机器学习之没有免费午餐定理

没有免费午餐定理（No Free Lunch Theorem)

如果我们不对特征空间有先验假设，则所有的算法表现是一样的。
比如，假设我们的计算机只有两个存储单元，存储是特征空间中的特证，每一个存储单元又给一个标签。一共有两种标签，我们给出其中一个存储单元的标签，然后预测另一个存储单元的标签，在不假设两种标签哪个概率大的情况下，则无论算法预测出是哪种标签，成功的概率都是 50%

机器判断的一个基本假设

我们认为：特征差距小的样本更有可能是同一类。

机器学习

本作品采用《CC 协议》，转载必须注明作者和本文链接

Hacking

Lois

版主 439 声望

暂无个人描述~

0 人点赞

推荐文章：

更多推荐...

博客

收集了一些各大网站 python 的登陆方式,希望对学习 python 的小白，和想写爬虫的你们有所帮助,,本项目用于研究和分享各大网站的模拟登陆方式 16 / 5 |

讨论数量: 0

(=￣ω￣=)··· 暂无内容！

讨论应以学习和精进为目的。请勿发布不友善或者负能量的内容，与人为善，比聪明更重要！

帮助

机器学习之没有免费午餐定理

没有免费午餐定理（No Free Lunch Theorem)

机器判断的一个基本假设

推荐文章：

社区赞助商

关于 LearnKu

资源推荐

服务提供商

其他信息

机器学习之没有免费午餐定理

没有免费午餐定理（No Free Lunch Theorem)

机器判断的一个基本假设

推荐文章：

社区赞助商

关于 LearnKu

资源推荐

服务提供商

其他信息

请登录