作者归档 | Jason Brownlee

奥卡姆剃刀原则表明，在机器学习中，我们应该偏爱具有较少系数的简单模型，而不是像集成模型这样的复杂模型。表面上看，剃刀原则是一种启发式方法，表明更复杂的假设会做出更多的假设，而这些假设反过来又会使它们过于狭窄而无法很好地泛化。在机器学习中，它表明复杂的 [...]

机器学习中的元学习是指学习从其他学习算法中学习的算法。最常见的是，这意味着在集成学习领域使用机器学习算法来学习如何最好地组合其他机器学习算法的预测。尽管如此，元学习也可能指手动选择模型的过程 [...]

动态分类器选择是一种用于分类预测建模的集成学习算法。该技术涉及在训练数据集上拟合多个机器学习模型，然后根据待预测示例的具体细节，选择预期表现最佳的模型。这可以通过 [...] 实现。