基于实例学习

最新推荐文章于 2024-02-11 10:00:00 发布

原创最新推荐文章于 2024-02-11 10:00:00 发布 · 236 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习

计算机基础专栏收录该内容

3 篇文章

订阅专栏

这篇博客讨论了最简单学习形式——记忆学习在垃圾邮件检测中的应用。通过标记已知垃圾邮件并计算新邮件与这些样本的相似度，可以过滤掉包含垃圾邮件特征的邮件。这种基于实例的学习方法有助于提升过滤器的性能，使其能识别类似垃圾邮件的内容。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最简单的学习形式就是用记忆学习。如果用这种方法做一个垃圾邮件检测器，只需标记所有和用户标记的垃圾邮件相同的邮件 —— 这个方法不差，但肯定不是最好的。
不仅能标记和已知的垃圾邮件相同的邮件，你的垃圾邮件过滤器也要能标记类似垃圾邮件的邮件。这就需要测量两封邮件的相似性。一个（简单的）相似度测量方法是统计两封邮件包含的相同单词的数量。如果一封邮件含有许多垃圾邮件中的词，就会被标记为垃圾邮件。
这被称作基于实例学习：系统先用记忆学习案例，然后使用相似度测量推广到新的例子。