運算學習論

出自維基百科,自由嘅百科全書
Jump to navigation Jump to search
一個常態分佈嘅圖解;
X 軸表示研究緊嘅變數,而 Y 軸反映咗每個變數出現嘅頻率,例如如果 X 軸代表人類族群內嘅身高,噉個常態分佈就表示啲人嘅身高最常喺中間嗰個數值(嗰個數值出現率最高),呢條線會有一條相應嘅數學式。
而家假想個常態分佈代表到全人類嘅身高,跟住研究者抽一個樣本,例如係揾 500 個人類。喺最理想嘅情況之中,個樣本會完美噉代表到人類總體嘅身高分佈,即係話如果將個樣本入面嘅「身高值」同「每個值出現嘅率」畫條線,條線嘅形狀會同總體人類嗰條完全一個板。
如果家陣訓練一個機械學習去靠個樣本嘅數據學習人類嘅身高分佈,佢要做嘅嘢就係由啲數據嗰度,砌返一個代表到人類總體身高分佈嗰條線嘅數學式出嚟

運算學習論computational learning theory)係專門研究機械學習演算法嘅表現嘅電腦科學子領域。呢個領域會用到大量嘅統計學技巧分析機械學習所要面對嘅問題,例如係喺抽樣本嘅過程當中,一般都假設咗個樣本代表到所研究嘅總體(例:「手上嘅股票嘅行為」大概正確噉反映到「古往今來所有嘅股票嘅行為」),而呢個假設喺最嚴格嘅邏輯基準嚟睇查實並唔正確。因為呢啲原因,雖然話事實經已說明咗,機械學習喺實用上表現好好,但喺理論上機械學習嘅原理查實唔係冇漏洞嘅[1]

目前嘅運算學習論主要研究監督式學習下嘅機械學習過程。

概論[編輯]

睇埋[編輯]

[編輯]

  1. Angluin, D. 1992. Computational learning theory: Survey and selected bibliography. In Proceedings of the Twenty-Fourth Annual ACM Symposium on Theory of Computing (May 1992), pages 351–369.

[編輯]