Eager Learning

Origem: Wikipédia, a enciclopédia livre.
Saltar para a navegação Saltar para a pesquisa
Question book.svg
Este artigo ou secção não cita fontes confiáveis e independentes (desde novembro de 2012). Ajude a inserir referências.
O conteúdo não verificável pode ser removido.—Encontre fontes: Google (notícias, livros e acadêmico)

Em Inteligência Artificial, a Eager Learning (engl., Aprendizagem Ansiosa) é um método de aprendizagem em que o sistema tenta implementar a generalização antes de o sistema receber o input sendo assim independente da função alvo, o contrário acontece com a Aprendizagem Preguiçosa, onde neste caso essa generalização é feita após o sistema receber o input.

A grande vantagem neste método, tal como nas Redes Neurais Artificiais, é que a função alvo é aproximada globalmente durante o treino, requerendo muito menos espaço que o método de aprendizagem preguiçosa. A aprendizagem ansiosa trata muito melhor os dados do treino que tenham instâncias desnecessárias. Esta aprendizagem é um exemplo de aprendizagem desligada (Offline Learning), em que a sua aproximação não varia consoante a função alvo, isto significa que o mesmo input ao sistema resulta sempre no mesmo resultado.

A desvantagem da aprendizagem ansiosa é que, de modo geral, não é capaz de fornecer uma boa aproximação local na função alvo.


Ver também[editar | editar código-fonte]


Wiki letter w.svg Este artigo é um esboço. Você pode ajudar a Wikipédia expandindo-o. Editor: considere marcar com um esboço mais específico.