为什么抽样在机器学习中是有用的？
为什么抽样在机器学习中是有用的？
提问于 2018-07-31 19:22:24
我在网上遇到过这个问题，我想知道取样在哪里可以模拟复杂的过程，为什么？
为什么抽样在机器学习中是有用的？
- 采样可以提高模型的精度。
- 采样可以模拟复杂的过程。
- 取样成本较低
- 采样可以节省很多时间。
我可以选择多个。据我所知，采样成本较低，可以节省大量时间，但它能模拟复杂的过程吗？
回答 1
Data Science用户
发布于 2019-12-21 16:25:52
抽样在机器学习中是有用的，因为当设计得很好时，抽样可以提供某种期望的精确、低方差近似(例如，在强化学习的情况下，某个特定策略的预期报酬或在监督学习情况下特定神经网络的预期损失)，而样本相对较少。
在某些情况下--例如学习星际争霸--评估给定策略模型的所有可能轨迹是不可行的，因此，即使是单个模型(这是参数空间中的一个点)也不可能计算期望值！在这种情况下，抽样是唯一可行的办法。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/36273
复制相关文章
相似问题
腾讯云开发者
