775.下列哪项不是机器学习中基于实例学习的常用方法()

本题考查机器学习中基于实例学习（Instance-based Learning）的常用方法。 解析： 基于实例学习是一类惰性学习（lazy learning）方法，其特点是在训练阶段不进行显式的模型构建，而是将训练样本存储起来，在预测新实例时才进行处理，通常依赖于相似性度量（如距离）来做出决策。 选项分析： A：K近邻方法（K-Nearest Neighbors, KNN） 是典型的基于实例学习方法。它通过查找与待预测样本最接近的K个训练样本，根据这些邻居的信息进行分类或回归。因此属于基于实例学习。 B：局部加权回归法（Locally Weighted Regression, LWL） 是一种非参数回归方法，对每个预测点都根据其附近的数据点赋予不同权重并拟合局部模型。它不预先建立全局模型，而是依据实例进行局部建模，因此也属于基于实例学习。 C：基于案例的推理（Case-Based Reasoning, CBR） 该方法通过存储和检索过去的问题案例来解决新问题，核心思想是“类似的问题可以用类似的方法解决”，广泛应用于人工智能和机器学习领域，是基于实例学习的一种典型应用。 D：Find-S算法 该算法旨在寻找假设空间中与所有正例一致的最具体假设。它属于概念学习中的候选消除算法范畴，依赖于假设空间的搜索，而不是直接存储和使用训练实例进行预测。因此，它不是基于实例的学习方法，而是一种基于边界（如一般到特殊）的归纳学习方法。 正确答案：D 核心知识点总结： - 基于实例学习的核心思想是“记忆”训练数据，并在预测时利用这些实例的相似性。 - 典型方法包括K近邻、局部加权回归、基于案例的推理等。 - 与之相对的是急切学习（eager learning），如决策树、神经网络、Find-S算法等，它们在训练阶段就构建模型，而非延迟到预测阶段。 因此，Find-S算法不属于基于实例学习方法，答案为D。