非参数监督学习方法

Question

Scikit-Learn Decision Trees的文档中指出：

决策树（DT）是用于分类和回归的非参数监督学习方法。目标是创建一个模型，通过学习从数据特征推断出的简单决策规则来预测目标变量的值。

什么是非参数监督学习？

Answer 1

non-parametric位于parametric的另一侧。在参数学习模型中，您可以将假设（或学习模型）的集合描述为有限数量参数（例如SVM）的函数。因此，可以将非参数模型视为具有无限数量要描述的参数的模型，即，不能通过有限的一组参数[1]来定义数据的分布。

[2]一种易于理解的非参数模型是k近邻算法，该算法基于k个最相似的训练模式对新数据实例进行预测。除了接近的模式很可能具有相似的输出变量之外，该方法不假定任何有关映射函数形式的信息。