Induktive Vorspannung

Induktive VorspannungEs kann als eine Reihe von Annahmen im maschinellen Lernen betrachtet werden. Es wird als notwendige Annahme der Zielfunktion im maschinellen Lernen verwendet. Das typischste Beispiel ist Ockhams Rasiermesser.

Die induktive Voreingenommenheit basiert auf mathematischer Logik, in der Praxis kann die induktive Voreingenommenheit eines Lernenden jedoch nur eine sehr grobe Beschreibung oder sogar noch einfacher sein. Im Vergleich dazu ist der theoretische Wert zu streng, um in praktischen Anwendungen eingesetzt zu werden.

Arten induktiver Vorspannung

Derzeit sind die folgenden induktiven Vorspannungsmethoden üblich:

• Maximale bedingte Unabhängigkeit: Verzerrung für naive Bayes-Klassifikatoren;
• Minimaler Kreuzvalidierungsfehler: Bei der Auswahl zwischen Hypothesen sollte die Hypothese mit dem niedrigsten Kreuzvalidierungsfehler gewählt werden.
• Maximaler Rand: Wird zum Verzerren von Support Vector Machines verwendet. Die Annahme basiert auf einer breiten Randdiskriminierung.
• Minimale Beschreibungslänge: Minimieren Sie beim Aufstellen einer Hypothese die Beschreibungslänge der Hypothese.
• Mindestanzahl von Merkmalen: Annahmen, die von Merkmalsauswahlalgorithmen verwendet werden;
• Nächster Nachbar: Eine Verzerrung, die für die Methode des nächsten Nachbarn verwendet wird, bei der ähnliche Proben tendenziell zur selben Kategorie gehören.