机器学习 参数模型与非参数模型
参数模型，非参模型的简单理解
参数模型：
参数机器学习算法假设可以最大程度地简化学习过程，与此同时也限制可以学习到是什么。这种算法简化成一个已知的函数形式，这称为参数机器学习算法，简单理解为 对学到的函数方程有特定的形式 -- 比如线性回归模型，就是一次方程的形式，然后通过训练数据学习到具体的参数。
非参模型：
不对所要学习到的函数做强烈的假设的算法称为非参模型，不做假设，他可以从训练数据中*地学习任何函数形式
参数模型，非参模型的简单理解
参数模型：
参数机器学习算法假设可以最大程度地简化学习过程，与此同时也限制可以学习到是什么。这种算法简化成一个已知的函数形式，这称为参数机器学习算法，简单理解为 对学到的函数方程有特定的形式 -- 比如线性回归模型，就是一次方程的形式，然后通过训练数据学习到具体的参数。
非参模型：
不对所要学习到的函数做强烈的假设的算法称为非参模型，不做假设，他可以从训练数据中*地学习任何函数形式