Eager Learning ve Lazy Learning nedir?

Eager Learning: Bir model yoluyla öğrenmektir. Model bütün verilerden etkilenir. Bu sebeble yerel yoğunluklara tepkisi çok iyi değildir. Sürekli bir şekilde gelen veri ile değerlerini ufak ufak da olsa değiştirir ve bunu sürekli bir biçimde yapar. Bu tür yaklaşımı kullanan Makine Öğrenmesi Algoritmasına ise Decision Tree (Karar Ağacı yapısıdır). Bu öğrenme Yönteminde modeli değiştirmek oldukça zordur ancak Algoritmanın istenen inputa cevap süresi ise kısadır.

Lazy Learning: Burada model söz konusu değildir. Verinin hepsi kullanılmayabilir. Yerel yoğunlaşmalara çok daha iyi tepki verebilir. Verinin her zaman hızlı bir şekilde çağırılabileceği bir yerde tutulması gerekmektedir (RAM,Pci Express SSD raid). İstenen değere yakın olanların etkisi uzak olanlara göre daha azdır (Bu Eager Learning’de genellikle eşittir.). Bu tür yaklaşımı kullanan Makine Öğrenmesi Algoritmasını örnek Kth Nearest Neighbor (KNN) algoritmasıdır. Bu öğrenme yönteminde çıktıya sonuç verilmesi Eager Learninge göre yavaştır. Verinin bir kısmından faydalanması belli açılardan çıkarımın kalitesini arttırabilir ancak kötü tercihler ile yanlış sonuçlara ulaşmanıza da yol açabilir.

Originally published at anilkaynr.wordpress.com on October 31, 2018.

Computer Engineer,Sociologist, CSE Master Student