본문 바로가기

컴퓨터/인공지능 및 기계학습 개론1

2.1. Rule Based Machine Learning Overview

머신러닝의 특징:

경험(E)을 통해 배우고, 배운 것을 바탕으로 특정 task를 수행하는데 그 performance가 증가한다.

>> more experience, more advanced machine learning

1. Instance : feautre O : <Sunny, Warm, Normal, Strong, Warm, Same>

2. Training Dataset D : a collection of observations on the instance

3. Hypotheses H : 만약 Sunny하면 다른 것을 고려하지 않고도 Yes를 반환한다.

이러한 가정은 총 64개 + a(Don't care) 가 나올 수 있다.

 

h1 : <Sunny, ?, ?, ?, Warm, ?> 널널한 가정 = General Hypothesis = 만족하는 instance의 넓이가 크다.

h3 : <Sunny, ?, ?, Strong, Warm, ? >  빡센 가정 = Specific Hypothesis = 만족하는 instance의 넓이가 작다.

'컴퓨터 > 인공지능 및 기계학습 개론1' 카테고리의 다른 글

2.3. Introduction to Decision Tree  (0) 2021.01.23
2.2. Introduction to Rule Based Algorithm  (0) 2021.01.23
1.4. Probability and Distribution  (0) 2021.01.23
1.3. MAP  (0) 2021.01.23
1.2 MLE  (0) 2021.01.22