非参数监督学习方法

Question

在Scikit-Learn Decision Trees的文档中声明：

决策树 (DT) 是一种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 在parametric 的对面。在参数学习模型中，您可以将一组假设（或学习模型）描述为有限数量的参数（例如 SVM）的函数。 因此，非参数模型可以看作是具有无限个待描述参数的模型，即不能通过有限的参数集[1]来定义数据的分布。

[2] 一个易于理解的非参数模型是 k-最近邻算法，它根据新数据实例的 k 个最相似的训练模式进行预测。该方法不假设任何关于映射函数的形式，除了接近的模式可能具有相似的输出变量。