Какие есть примеры параметрических моделей, чем они отличаются от непараметрических моделей?

Примеры параметрических моделей:

• Линейная или полиномиальная регрессия. www.baeldung.com Подразумевают, что входные и выходные данные имеют линейное или полиномиальное отношение соответственно. www.baeldung.com
• Гауссовы смеси и скрытые марковские модели. www.baeldung.com Предполагают, что входные данные следуют гауссовскому распределению или марковскому процессу с ненаблюдаемыми (скрытыми) состояниями соответственно. www.baeldung.com
• Нейронная сеть прямой связи с одним или несколькими скрытыми слоями. www.baeldung.com

Примеры непараметрических моделей:

• Случайные леса или деревья принятия решений. www.baeldung.com Разбивают входные данные на меньшее пространство на основе характеристик данных, генерируя прогноз на основе класса. www.baeldung.com
• Машины опорных векторов с нелинейными ядрами. www.baeldung.com Находят гиперплоскость и создают пространство объектов, отображающее входные и выходные данные. www.baeldung.com
• Алгоритм k-ближайших соседей (k-NN). www.baeldung.com Генерирует результаты на основе мажоритарного класса k ближайших данных для одного экземпляра. www.baeldung.com
• Нейронные сети с непараметрическими функциями активации (например, используют активацию ядра или активацию радиальной базисной функции). www.baeldung.com

Параметрические модели выдвигают конкретные гипотезы о взаимосвязи между входными и выходными данными. www.baeldung.com Эти предположения касаются фиксированного числа параметров и переменных, которые влияют на результат модели. www.baeldung.com Непараметрические модели не требуют делать предположения об отношениях между входными и выходными данными для получения результата, а также устанавливать и изучать определённое количество параметров. www.baeldung.com

Таким образом, основное отличие в том, что параметрические модели предполагают известные параметры распределения данных, в то время как непараметрические модели не требуют знания параметров распределения. habr.com