人工智能

奥卡姆剃刀并非唯一可行的原则

2018-08-15 09:57:14 | 来源:中培企业IT培训网

然而,奥卡姆剃刀并非唯一可行的原则.退一步说,即便假定我们是奥卡姆剃刀的铁杆拥趸,也需注意到,奥卡姆剃刀本身存在不同的诠释,使用奥卡姆剃刀原则并不平凡.例如对我们已经很熟悉的西瓜问题来说,“假设1:好瓜÷÷(色泽=木)八(根蒂=蜷缩)八(敲声=浊响)”和假设2:“好瓜÷÷(色泽=术)^(根蒂=蜷缩)八(敲声= *)”这两个假设,哪一个更“简单”呢?这个问题并不简单,需借助其他机制才能解决.事实上,归纳偏好对应了学习算法本身所做出的关于“什么样的模型更好”的假设,在具体的现实问题中,这个假设是否成立,即算法的归纳偏好是否与问题本身匹配,大多数时候直接决定了算法能否取得好的性能.让我们再回头看看图1.3.假设学习算法如基于某种归纳偏好产生了对应于曲线A的模型,学习算法£6基于另一种归纳偏好产生了对应于曲线B的模型.基于前面讨论的平滑曲线的某种“描述简单性”,我们满怀信心地期待算法£。比£6更好.确实,图1.4(a)显示出,与B相比,A与训练集外的样本更一致;换言之,A的泛化能力比B强.?

标签: 学习算法