参数机器学习算法和非参数机器学习算法

参数模型和非参数模型是统计中的概念,参数模型假设总体样本服从一个分布,该分布由一些参数确定,例如高斯分布的均值和方差;

非参数模型不对总体的分布做任何假设,但是注意,它的分布是存在的。


在机器学习中,参数模型往往是这样的模型:先选定目标函数,然后利用训练数据去学习目标函数中的系数,例如逻辑回归。

而非参数模型对于目标函数形式不做过多的假设,例如SVM,SVM的推导过程是最大化间隔为目标的,起先并没有对目标函数形式做假设。


枚举一些参数模型和非参数模型:

参数模型:逻辑回归、感知机

非参数模型:knn、SVM、决策树、 朴素贝叶斯、神经网络


参数模型和非参数模型各自的优缺点:

参数模型:简单快速,一般应对线性问题,拟合较差

非参数模型:模型强大,可拟合非线性问题,容易过拟合

评论

Live Sex Cams Free