Machine learning 迭代机器学习算法

我需要一个机器学习算法，它需要一些形式（x，y）的训练样本， 并计算近似函数f:X->Y，使误差最小。误差定义为b/n y和f（x）之差

但是这种学习算法必须是迭代的，并且随着迭代次数的增加，误差必须减小

---

任何例子都会有帮助。

神经网络是一种具有两个特征的算法： 1.它可以对新数据进行迭代训练 2.它可以对相同的数据进行迭代训练，因此每次迭代误差都会减小。（反向传播学习）

（随机）梯度推进

阿达布斯

---

…和任何boosting算法，因为boosting过程迭代地改进分类器。

这基本上描述了每种机器学习算法。。。也许可以尝试一个神经网络？实际上这里我指的迭代是随着时间的推移而模拟的，也就是说，随着学习算法被赋予更多的计算时间，误差会减少得更多。这里我不是说在迭代中会给出新的训练数据。“我需要一个机器学习算法，它采用一些形式（x，y）的训练样本，并计算近似函数f:X->Y，使误差最小。“听起来你想要的是非常基本的回归分析，而不是机器学习来解决你的特定问题。