국소 학습 알고리즘

훈련 데이터가 입력 공간에 고르게 분포하는 경우는 매우 드뭅니다. 국소 학습 알고리즘은 입력 공간의 각 영역에서 훈련 세트의 특성에 맞게 훈련 시스템의 용량을 국소적으로 조정하려고 시도합니다. 국소 학습 알고리즘 군에는 k-최근접 이웃 방법(kNN)이나 방사 기저 함수 네트워크(RBF)와 같은 알려진 방법들뿐만 아니라 새로운 알고리즘들도 포함되어 있습니다. 단일 분석을 통해 이러한 알고리즘들의 일부 측면을 모델링합니다. 특히, kNN이나 RBF, 또는 비국소 분류기들이 국소성(locality)과 용량(capacity) 사이에서 최상의 타협을 이루지 못한다는 점을 시사합니다. 간단한 국소 학습 알고리즘에서 이 두 매개변수를 신중하게 제어함으로써 광학 문자 인식 문제에서 성능 혁신이 이루어졌습니다. 오류율과 거부 성능이 모두 크게 향상되었습니다.