代码之家 › 专栏 › 技术社区 › William

神经网络或任何其他监督学习算法可以学习特殊的统计方法吗?

supervised-learning neural-network machine-learning

1

William · 技术社区 · 8 年前

我知道具有任意数量隐藏层的神经网络可以近似非线性函数,但它甚至可以预测某些特殊函数,尤其是与某些统计方法相同吗?

问题是,我不知道是否有任何监督学习方法可以做到上述策略。我称之为“监督k-means”。KNN方法类似,但它基于N个最近点而不是所有训练点的平均值来查找标签。

我想知道神经网络是否能做到这一点。还是我错过了其他能够真正实现上述策略的学习技巧?如果我试图学习的统计策略更复杂,例如包括中心和协方差,该怎么办?

1 回复 | 直到 8 年前

1

0

David Dale 7 年前

使用神经网络解决这样的问题将是一种过度。

Linear discriminant analysis 和 Gaussian naive Bayes 做一些与你描述的相似的事情。他们将每个类的中心估计为算术平均值,并将每个点与最近的中心相关联。但他们计算修正距离而不是欧几里得距离:GNB估计每个特征的条件方差,LDA也估计协方差。它们还考虑了先验类概率。这些修改可能会改进您的分类,但如果您不想要,您可以自己编写一个算法。