神经网络是一种惰性学习方法还是积极学习方法？ 不同的网页说法不一，所以我希望得到一个有充分文献支持的可靠答案。 最明显的应该查阅米切尔著名的《机器学习》一书，但快速浏览了一下，我找不到答案。 谢谢:)。

回答：

查看术语惰性学习和积极学习的定义，并且了解神经网络的工作原理，我认为很明显它是积极的。一个训练好的网络就是一个泛化函数，用于进行分类的所有权重和路径完全由训练数据决定，但是训练数据本身不会被保留以用于决策。

一个重要的区别是，惰性系统存储其训练数据并直接使用它来确定解决方案。 积极系统从训练数据中确定一个函数，此后不再需要训练数据。 也就是说，你无法从一个积极系统的函数中确定训练数据是什么。 神经网络当然符合这个描述。 因此，积极系统可以非常节省存储空间，但反过来说，它是不确定的，因为无法确定它如何或为什么会得出特定的解决方案，因此不良或不适当的训练数据问题可能难以解决。

上面链接的积极学习的文章甚至将人工神经网络作为一个例子。 当然，你可能更喜欢引用文本而不是维基百科，但是该页面自 2007 年以来就存在该断言，没有相互矛盾的编辑，所以我认为这非常可靠。