Я. Гудфеллоу, И. Бенджио, А. Курвилль

110 

 
Основы машинного обучения 
Чтобы подойти к крайнему случаю произвольно высокой емкости, введем понятие 
непараметрической
модели
. До сих пор мы рассматривали только параметрические 
модели типа линейной регрессии. Параметрическая модель обучает функцию, опи-
санную вектором параметров, размер которого конечен и фиксируется до наблюде-
ния данных. У непараметрических моделей такого ограничения нет.
Иногда непараметрические модели представляют собой просто теоретические абст-
ракции (например, алгоритм, который производит поиск среди всех возможных рас-
пределений вероятности), не реализуемые на практике. Однако можно также спро-
ектировать практически полезные непараметрические модели, сделав их сложность 
функцией от размера обучающего набора. Примером такого алгоритма может служить 
регрессия методом ближайшего соседа
. В отличие от линейной регрессии, когда раз-
мер вектора весов фиксирован, модель регрессии методом ближайшего соседа просто 
сохраняет 
X
и 
y
из обучающего набора. Когда модель просят классифицировать те-
стовую точку 
x
, она находит ближайшую к 
x
точку обучающего набора и возвращает 
ассоциированную с ней метку. Иными словами, 
y
�
= 
y
i
, где 
i
= arg min ||
X
i
, :
– 
x
||
2
2
. Этот 
алгоритм легко обобщается на метрики, отличные от нормы 
L
2
, например найденные 
в процессе обучения (Goldberger et al., 2005). Если позволено разрешать неоднознач-
ности путем усреднения значений 
y
i
по всем 
X
i
, :
являющимся ближайшими соседями, 
то этот алгоритм может достичь минимально возможной ошибки обучения (которая 
может оказаться больше нуля, если с двумя одинаковыми примерами ассоциированы 
разные метки) на любом наборе данных для регрессии.
Наконец, мы можем создать непараметрический алгоритм обучения, обернув па-
раметрический алгоритм другим, который увеличивает число параметров по мере 
необходимости. Представьте, к примеру, внешний цикл обучения, который изменяет 
степень многочлена, обучаемого в результате регрессии.
Идеальной моделью являлся бы оракул, который просто знает истинное распре-
деление вероятности, на основе которого генерируются данные. Но даже такая мо-
дель будет давать некоторую ошибку для многих задач из-за шума. В случае обучения 
с учителем отображение 
x
в 
y
может быть действительно стохастическим, но также 
возможно, что 
y
– детерминированная функция, только у нее есть дополнительные 
аргументы, помимо включенных в