Eager Learning vs. Lazy Learning

Eager Learning vs. Lazy Learning

Training 하는 방식에 따라서 lazy learning과 eager learning으로 나눌 수 있다.

 

• Eager Learning
  • test sample이 들어오기 전에 미리 classification rule(model)을 만들어 놓는다.
  • 예 : decision tree 등
• Lazy Learning
  
  • test sample이 들어올 때까지 training data를 저장만 하거나 간단한 preprocessing만 한다.
  • instance-based learning
    • 새로운 instance가 들어오면 learning을 한다.
    • 새로운 instance가 들어올 때 까지 processing을 delay한다.
  • 예 : KNN algorithm

 

비교

• time cost
  • training time : eager learning이 더 오래 걸림
  • classification(prediction) time : lazy learning이 더 오래 걸림
• accuracy
  • eager learning
    • 전체 sample space를 cover하는 single hypothesis를 생성
  • lazy learning
    • 여러 local functions들이 합쳐진 복잡한 hypothesis space 생성
    • → 정확도가 더 높다. (고 주장한다.)