อัลกอริธึมการเรียนรู้ของเครื่องตาม“ การลดความเสี่ยงเชิงโครงสร้าง” หรือไม่?

ซึ่งการเรียนรู้เครื่องอัลกอริทึม (นอกเหนือจาก SVM) ที่ใช้หลักการของการลดความเสี่ยงโครงสร้าง ?

หลักการลดความเสี่ยงเชิงโครงสร้างเป็นหลักการที่อย่างน้อยส่วนหนึ่ง 'ใช้' ในวิธีการเรียนรู้ของเครื่องจักรทั้งหมดเนื่องจาก overfitting มักจะนำมาพิจารณา: การลดความซับซ้อนของแบบจำลองคือ (ควรและในทางปฏิบัติ) เป็นวิธีที่ดีในการ จำกัด อิง

• SVMs มีพารามิเตอร์สำหรับความซับซ้อน (มิติของพื้นที่คุณลักษณะหรือแม้แต่ฟังก์ชันเคอร์เนล) และจำเป็นเนื่องจากการเพิ่มความซับซ้อนเป็นส่วนหนึ่งของอัลกอริทึมการเรียนรู้

• เครือข่ายเซลล์ประสาทมีตัวบ่งชี้ที่ง่ายของความซับซ้อน (จำนวน 'เซลล์') และเป็นส่วนหนึ่งของอัลกอริทึมการเรียนรู้ที่เกี่ยวข้อง

• หากไม่มีหลักการอนุมานไวยากรณ์นี้จะเป็นทั้งไวยากรณ์ที่สมบูรณ์และไร้สาระเป็นรายการของคำที่เป็นไปได้ทั้งหมดดังนั้นอัลกอริธึมที่ไม่น่าสนใจอย่างน้อยที่สุดก็ยอมรับหลักการนี้เป็นอย่างน้อย

• ต้นไม้ตัดสินใจมีความคิดของตัวเองของเอนโทรปี

• กลุ่มสามารถนับได้ง่าย ๆ หรือเป็น 'ใช้' หลักการภายในหรือมีจำนวนคงที่ของกลุ่มและในกรณีนั้นคุณใช้หลักการในระดับที่สูงขึ้น

พูดตามตรงฉันไม่รู้จริงๆเลยว่าเกิดอะไรขึ้นกับการเขียนโปรแกรมทางพันธุกรรม แต่พวกมันไม่มีความซับซ้อนที่แท้จริง

ฉันไม่รู้การเขียนโปรแกรมแบบลอจิกเชิงตรรกะที่ดีแต่ดูเหมือนว่าจะไม่ได้ดีมากสำหรับหลักการนี้