«Տրանսդուկտիվ ուսուցում»–ի խմբագրումների տարբերություն
Content deleted Content added
No edit summary |
No edit summary |
||
Տող 2.
== Ինչ է տրանսդուկտիվ ուսուցումը ==
Transduction կամ transductive ուսուցումն օգտագործվում է վիճակագրական ուսուցման տեսության ոլորտում `վկայակոչելով որոշակի օրինակներ, որոնք տրված են որոշակի տիրույթի օրինակներից: Այն հակադրվում է ուսուցման այլ տեսակների հետ, ինչպիսիք են ինդուկտիվ և դեդուկտիվ ուսուցումը
Տրամաբանության և վիճակագրության մեջ տրանսդուկտիվ եզրակացությունը կամ փոխարկիչ մեթոդը եզրակացություններ են դիտարկվող առանձին դեպքերի (թեստային տվյալների) վերաբերյալ, որոնք հիմնված են որոշակի թեստերի վրա (ուսուցման տվյալներ): Ընդհակառակը, ինդուկտիվ եզրակացությունը սովորելու հատուկ դեպքերը տանում են դեպի ընդհանուր կանոններ, որոնք այնուհետև կիրառվում են փորձարկման դեպքերի համար
Տարբերությունն ամենահետաքրքիրն է այն դեպքերում, երբ տրանսդուկտիվ մոդելի կանխատեսումները անհասանելի են որևէ ինդուկտիվ մոդելի միջոցով:Առաջանում են իրավիճակներ, երբ տարբեր փորձարկման նմուշների վրա փոխարկիչ եզրակացության արդյունքում ստացվում են փոխադարձ հակասական կանխատեսումներ
== Պատմություն ==
Փոխակերպումը ներդրեց Վլադիմիր Վապնիկը 1990 -ականներին: Նրա կարծիքով, փոխարկումը գերադասելի է [[Ինդուկցիա|ինդուկցիայից]], քանի որ ինդուկցիան պահանջում է ավելի ընդհանուր խնդրի լուծում (գործառույթի վերականգնում) ավելի կոնկրետ խնդիր լուծելուց առաջ (արդյունքների հաշվարկ նոր դեպքերի համար)։«… հետաքրքրող խնդիրն լուծելիս մի լուծեք ավելի ընդհանրական խնդիր ՝ որպես միջանկյալ քայլ: Փորձեք ստանալ այն պատասխանը, որն իսկապես անհրաժեշտ է, բայց ոչ ավելին »:Ավելի վաղ նմանատիպ դիտարկում էր արել [[Բերտրան Ռասել|Բերտրան Ռասելը]].
== Պատճառներ ==
Տող 17.
== Ալգորիթմներ ==
Փոխակերպման [[Ալգորիթմ|ալգորիթմները]] կարող են լայնորեն բաժանվել երկու կատեգորիայի. Նրանք, ովքեր ձգտում են դիսկրետ պիտակներ նշանակել չպիտակավորված կետերին, և նրանք, ովքեր ձգտում են հետընթաց կատարել չպիտակավորված կետերի համար: Ալգորիթմները, որոնք ձգտում են կանխատեսել պիտակները, հակված են ստացվել ՝ կլաստերային ալգորիթմին մասնակի վերահսկողություն ավելացնելով: Ալգորիթմների երկու դաս կարող է օգտագործվել ՝ հարթ կլաստերացում և հիերարխիկ կլաստերացում: Վերջիններս կարող են հետագայում բաժանվել երկու կատեգորիայի ՝ նրանք, որոնք հավաքվում են բաժանման միջոցով և նրանք, որոնք խմբավորվում են ագլոմերացիայի միջոցով:Ալգորիթմները, որոնք ձգտում են կանխատեսել շարունակական պիտակներ, հակված են դառնալու ՝ մասնակի վերահսկողություն ավելացնելով բազմազան ուսուցման
== Ծանոթագրություններ ==
|