ในการเปรียบเทียบระหว่าง Parametric Models และ Non-Parametric Models ข้อใดอธิบายความแตกต่างได้ถูกต้องที่สุด
กParametric Models กำหนดรูปแบบของฟังก์ชันไว้ล่วงหน้าและมีจำนวน parameter คงที่ ทำให้ใช้ข้อมูลน้อยกว่าและตีความผลได้ง่ายกว่า ส่วน Non-Parametric Models ไม่กำหนดรูปแบบตายตัว จึงยืดหยุ่นกว่าแต่ต้องการข้อมูลมากกว่า
ขParametric Models ไม่มีการกำหนด parameter ใด ๆ จึงเหมาะกับข้อมูลขนาดใหญ่ ส่วน Non-Parametric Models กำหนด parameter จำนวนมากตายตัว จึงเหมาะกับข้อมูลขนาดเล็กที่มีโครงสร้างชัดเจน
คParametric Models และ Non-Parametric Models มีความแตกต่างเฉพาะในด้านความเร็วในการประมวลผล โดย Parametric จะช้ากว่าเสมอเพราะต้องคำนวณ parameter จำนวนมากในทุกการพยากรณ์
งNon-Parametric Models เช่น Linear Regression มีความแม่นยำสูงกว่า Parametric Models เสมอ เนื่องจากไม่มีข้อสมมติฐานเกี่ยวกับการกระจายของข้อมูล จึงเหมาะกับทุกสถานการณ์
เฉลยอธิบาย
Parametric Models เช่น Linear Regression มีการกำหนดรูปแบบฟังก์ชัน (เช่น เส้นตรง) และจำนวน parameter ที่คงที่ล่วงหน้า ทำให้ใช้ข้อมูลน้อยกว่าและตีความง่ายกว่า แต่อาจไม่ยืดหยุ่นหากข้อมูลจริงไม่ตรงกับรูปแบบที่สมมติ ส่วน Non-Parametric Models เช่น KNN หรือ Random Forest ไม่กำหนดรูปแบบฟังก์ชันตายตัว จำนวน parameter เพิ่มขึ้นตามข้อมูล จึงยืดหยุ่นและจับรูปแบบซับซ้อนได้ดีกว่า แต่ต้องการข้อมูลและทรัพยากรการคำนวณมากกว่า ตัวเลือก B สลับคำอธิบายผิด ตัวเลือก C อธิบายเพียงความเร็วซึ่งไม่ใช่ความแตกต่างหลัก และตัวเลือก D จัดประเภทโมเดลผิด