インスタンスベースの表現とは何ですか？

学習の最も単純な構造は、単純な暗記、または暗記です。トレーニングインスタンスのグループが記憶されているため、新しいインスタンスに遭遇すると、新しいインスタンスに最も強力に類似しているトレーニングインスタンスのメモリが調査されます。

唯一の問題は、どのように類似点を明確にするかです。まず、これはインスタンスのグループから抽出された「知識」を記述するまったく異なる方法です。これは、インスタンス自体を格納し、クラスが不明な新しいインスタンスを、クラスが既知の現在のインスタンスに関連付けることによって機能します。ルールを作成しようとするのではなく、インスタンス自体から直接作業します。これはインスタンスベースの学習と呼ばれます。

インスタンスベースの学習では、トレーニングセットが処理されるときではなく、新しいインスタンスを定義する時間が表示されたときに、すべての実際の作業が完了します。このアプローチと他のアプローチとの違いは、「学習」が行われる時間です。

インスタンスベースの学習は非アクティブであり、可能なことを考慮して実際の作業を延期しますが、さまざまな方法が熱心であり、データが表示されるとすぐに一般化されます。インスタンスベースの分類では、距離メトリックを使用して新しいインスタンスを現在のインスタンスと区別し、最も近い既存のインスタンスを使用して新しいインスタンスにクラスを作成します。これは、最近傍分類法として知られています。

複数の最近傍が使用される場合があり、最近傍の大多数のクラス（または、クラスが数値の場合は距離加重平均）が新しいインスタンスに作成されます。これは、k最近傍法として定義されています。

名目上の属性が最新の場合、その属性の複数の値の間の「距離」を考え出すことが不可欠です。さまざまな属性が他の属性よりも重要であり、通常、いくつかのタイプの属性の重み付けによって距離メトリックに反映されます。トレーニンググループから適切な属性の重みを変更することは、インスタンスベースの学習における重要な問題です。

インスタンスベースの表現に対する明らかな制限は、学習される明示的なアーキテクチャを作成しないことです。インスタンスは距離メトリックと接続して、境界をインスタンス化された領域に分割し、あるクラスを別のクラスから分析します。これは、知識の明示的な記述の一種です。

たとえば、2つのクラスのそれぞれの単一のインスタンスが与えられた場合、最近傍ルールは、インスタンスを接続する線の垂直二等分線に沿ってインスタンス領域を効率的に分割します。すべてのクラスのインスタンスがいくつかある場合、スペースは、あるクラスのインスタンスを別のクラスのインスタンスにリンクする、選択した線の垂直二等分線を定義する線のセットによって分割されます。