HyperAIHyperAI

Command Palette

Search for a command to run...

Théorème Du « Pas De Repas Gratuit »

Date

il y a 7 ans

Théorème de la NFLCela signifie qu'aucun algorithme d'apprentissage ne peut produire des apprenants précis dans tous les domaines, c'est-à-dire que pour les problèmes dans un certain domaine, les performances attendues de tous les algorithmes sont les mêmes.

Description spécifique à la NFL

  • La moyenne de toutes les fonctions objectives possibles donne la même valeur attendue de « l'erreur de l'ensemble non d'apprentissage » ;
  • La moyenne de la fonction objective dans n'importe quel ensemble d'entraînement fixe donne la même valeur attendue de « l'erreur de l'ensemble non d'entraînement » ;
  • La moyenne des connaissances antérieures donne la même valeur attendue de « l’erreur de l’ensemble non lié à l’apprentissage » ;
  • La moyenne des connaissances antérieures dans n’importe quel ensemble d’entraînement fixe donne la même valeur attendue de « l’erreur de l’ensemble non d’entraînement » ;

Le théorème NFL conduit à une « loi de conservation » universelle : pour un algorithme d'apprentissage réalisable, la somme de ses performances sur toutes les fonctions objectives possibles est nulle.

Créer de l'IA avec l'IA

De l'idée au lancement — accélérez votre développement IA avec le co-codage IA gratuit, un environnement prêt à l'emploi et le meilleur prix pour les GPU.

Codage assisté par IA
GPU prêts à l’emploi
Tarifs les plus avantageux

HyperAI Newsletters

Abonnez-vous à nos dernières mises à jour
Nous vous enverrons les dernières mises à jour de la semaine dans votre boîte de réception à neuf heures chaque lundi matin
Propulsé par MailChimp
Théorème Du « Pas De Repas Gratuit » | Wiki | HyperAI