使用反学习数据集教授关键机器学习原理-研究论文

机器学习的大部分教学重点是迭代爬山方法以及使用本地知识来获取导致局部或全局最大值的信息。 在本文中，我们提倡采用其他方法来推广到最佳解决方案，其中包括一种称为“反学习”的方法。 通过使用简单的教学方法，学生可以更深入地了解对从培训过程中排除的数据进行验证的重要性，并且每个问题都需要使用自己的方法来解决。 通过显示不同的交叉验证粒度可以产生非常不同的结果，我们还举例说明了使用足够的数据训练模型的要求。