ฉันได้มองหากรอบการทำงานเชิงทฤษฎีสำหรับการเลือกวิธีการ (หมายเหตุ: ไม่ใช่การเลือกแบบจำลอง) และได้พบงานที่เป็นระบบและมีแรงบันดาลใจทางคณิตศาสตร์น้อยมาก โดย 'การเลือกวิธี' ฉันหมายถึงกรอบการทำงานสำหรับแยกแยะวิธีที่เหมาะสม (หรือดีกว่าดีที่สุด) วิธีการที่เกี่ยวข้องกับปัญหาหรือประเภทของปัญหา
สิ่งที่ฉันได้พบเป็นรูปธรรมหากชิ้นงานโดยเฉพาะอย่างยิ่งเกี่ยวกับวิธีการและการปรับแต่งของพวกเขา (คือตัวเลือกก่อนในวิธีการแบบเบย์) และเลือกวิธีการทางเลือกอคติ (เช่นนโยบายการเหนี่ยวนำการเน้นการเลือกอคติ ) ฉันอาจไม่สมจริงในช่วงแรกของการพัฒนาของการเรียนรู้ของเครื่อง แต่ฉันหวังว่าจะพบบางอย่างที่ทฤษฎีการวัดทำในการกำหนดการแปลงและการทดสอบที่ยอมรับได้ตามประเภทของสเกลเพียงเขียนขนาดใหญ่ในเวทีของปัญหาการเรียนรู้
ข้อเสนอแนะใด ๆ
modelselection.org การเลือกรูปแบบต่างกันอย่างไร (หัวข้อยอดนิยมในเชิงสถิติในช่วง 20 ปีที่ผ่านมา) และการเลือกวิธีการ
—
robin girard
ในขณะที่การเลือกรูปแบบโดยทั่วไปเกี่ยวข้องกับการให้คะแนนของแบบจำลองภายในตระกูลของการแจกแจงตามความเหมาะสมและการลงโทษจำนวนพารามิเตอร์ที่ใช้ (a la AIC และ BIC) ในขณะที่การเลือกวิธีทั่วไปมากกว่า การเลือกวิธีการที่เกี่ยวข้องกับการเผชิญกับปัญหา (เช่นการทดสอบการจำแนกประเภทการคาดการณ์) ที่เรามีความรู้พื้นฐาน (ตัวแปรเป็นที่รู้จักกัน (เช่นความเป็นอิสระประเภทข้อมูล) และที่สมมติฐานเสริมจะทำ (เช่น normality, homoscedasticity) และเราต้องเลือกวิธี
—
John L. Taylor
ขณะนี้มีข้อกำหนดทางคณิตศาสตร์ตามเส้นประเภทการวัดผลลัพธ์การลู่เข้าการมองโลกในแง่ดีและความซับซ้อนของเวลา / พื้นที่ แต่ไม่มีกรอบสำหรับการประยุกต์ใช้อย่างเป็นระบบของพวกเขาที่ฉันตระหนักถึงคำถามนี้
—
John L. Taylor
คุณช่วยยกตัวอย่างวิธีการเลือกพร้อมรายละเอียดเพิ่มเติมได้ไหม (ลิงค์ไปยังหน้าหรือกระดาษอาจใช้ได้) สิ่งนี้จะช่วยให้ฉันเข้าใจได้แม่นยำยิ่งขึ้น ขอบคุณล่วงหน้า
—
robin girard
การเลือกวิธีการตามที่อยู่กระดาษดังกล่าวโดยทั่วไป สำหรับตัวอย่างที่เฉพาะเจาะจงและรายละเอียดเพิ่มเติมพวกเขาอาจพบกระจัดกระจายในสาขาวิชาเฉพาะเมตา - ระเบียบวิธี (ทฤษฎีการวัดทฤษฎีการเรียนรู้อัลกอริทึมทฤษฎีการเรียนรู้ทางสถิติทฤษฎีความซับซ้อน) แต่ฉันไม่พบวิธีการรักษาอย่างเป็นระบบ หากคุณต้องการที่จะหารือเกี่ยวกับปัญหาเหล่านี้โดยทั่วไปคุณสามารถส่งอีเมลฉันที่ johnnylogic ที่ gmail
—
John L. Taylor