Zusammenfassung
Das in Kapitel 2 eingeführte PAC-Modell und seine Modifikationen gehen immer von einem Off-Line-Lerner aus, der die gesamte Stichprobe kennt, bevor er seine endgültige Hypothese berechnet. Im nun betrachteten On-Line-Modell werden dem Lerner unklassifizierte Beispiele einzeln präsentiert. Der Lerner hat stets eine aktuelle Hypothese, mit der er ein solches Beispiel klassifiziert. Wenn die Klassifikation falsch ist, wird ihm das mitgeteilt und er kann seine Hypothese verändern. Das Ziel ist es, möglichst wenige Fehler zu machen.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 1999 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Fischer, P. (1999). On-Line-Lernen. In: Algorithmisches Lernen. Leitfäden der Informatik. Vieweg+Teubner Verlag, Wiesbaden. https://doi.org/10.1007/978-3-663-11956-2_7
Download citation
DOI: https://doi.org/10.1007/978-3-663-11956-2_7
Publisher Name: Vieweg+Teubner Verlag, Wiesbaden
Print ISBN: 978-3-519-02946-5
Online ISBN: 978-3-663-11956-2
eBook Packages: Springer Book Archive