我需要一个机器学习算法这需要形式(X,Y), 的一些训练样本和计算近似函数f:X->ý使得误差为最小。误差被定义为差值b/n y和f(x)。迭代机器学习算法
但这种学习算法必须是一个迭代的一个,并且随着节数迭代增加,误差必须降低。
任何例子将是有益的。
我需要一个机器学习算法这需要形式(X,Y), 的一些训练样本和计算近似函数f:X->ý使得误差为最小。误差被定义为差值b/n y和f(x)。迭代机器学习算法
但这种学习算法必须是一个迭代的一个,并且随着节数迭代增加,误差必须降低。
任何例子将是有益的。
神经网络是一个算法,该算法具有两个特点: 1.它可以在新数据 2.它可以在相同的数据训练iterativly iterativly训练,所以误差随每次迭代减少。 (反向传播学习)
...和任何boosting算法通常,因为升压过程提高了分类器迭代。
这基本上说明每个机器学习算法...也许尝试一个神经网络? – nicolaskruchten
其实在这里,我的意思是通过迭代是模拟随着时间的推移,即,作为学习算法,赋予了更多的计算时间,误差进一步降低。 –
这里我不是说在迭代中给出了新的训练数据。 –