机器学习笔记 第3课：参数算法和非参数算法

什么是参数机器学习算法？它与非参数机器学习算法有何不同？

“假设”通常会大大简化学习过程，但也会限制学到的东西。将函数简化为已知形式的算法，称为参数机器学习算法。

它包括两个步骤：

选择函数的形式。

从训练数据中学习该函数的系数。

常见的参数机器学习算法是线性回归和逻辑回归。

相反地，不对映射函数的形式做出有力假设的算法，称为非参数机器学习算法。通过不作出任何假设，它可以自由地从训练数据中学习任何形式的函数。

非参数方法通常更灵活，实现了更高的准确性，但需要更多的数据和训练时间。

常见的非参数算法包括支持向量机，神经网络和决策树。

下一课中我们谈谈方差、偏差和两者间的权衡。