โดยทั่วไปไม่ได้ แต่อาจใช่ภายใต้การสะกดผิด ปัญหาที่คุณกำลังมองหาเรียกว่าการยอมรับ การตัดสินใจสามารถยอมรับได้หากไม่มีวิธีการคำนวณที่มีความเสี่ยงน้อยกว่า
โซลูชันแบบเบย์ทั้งหมดนั้นเป็นโซลูชันที่ยอมรับได้และไม่ใช่แบบเบย์สามารถยอมรับได้ในระดับที่พวกเขาสามารถจับคู่โซลูชันแบบเบย์ในทุกตัวอย่างหรือไม่เกินขีด จำกัด การแก้ปัญหาที่ยอมรับได้บ่อยหรือการแก้ปัญหาแบบเบย์จะเอาชนะโซลูชัน ML ได้เสมอเว้นแต่จะยอมรับเช่นกัน จากที่กล่าวมามีข้อสังเกตเชิงปฏิบัติบางประการที่ทำให้ข้อความนี้เป็นจริง แต่ไร้สาระ
ก่อนอื่นตัวเลือกแบบเบย์จะต้องเป็นตัวจริงของคุณก่อนและไม่ใช่การแจกจ่ายก่อนหน้านี้บางส่วนที่ใช้ในการทำบรรณาธิการในวารสารให้มีความสุข ประการที่สองโซลูชั่นสำหรับผู้ใช้บ่อยเป็นสิ่งที่ยอมรับไม่ได้และควรใช้ตัวประมาณค่าการหดตัวแทนโซลูชันมาตรฐาน ผู้คนจำนวนมากไม่ทราบถึงบทแทรกของสไตน์และผลกระทบจากข้อผิดพลาดจากตัวอย่าง ในที่สุด ML อาจมีความทนทานมากกว่าเดิมเล็กน้อยในหลาย ๆ กรณีถึงข้อผิดพลาดการสะกดผิด
เมื่อคุณย้ายเข้าไปในต้นไม้ตัดสินใจและลูกพี่ลูกน้องของพวกเขาในป่าคุณไม่ได้ใช้วิธีการที่คล้ายกันเว้นแต่ว่าคุณกำลังใช้สิ่งที่คล้ายกับตาข่ายของเบย์ โซลูชันกราฟประกอบด้วยข้อมูลโดยนัยจำนวนมากโดยเฉพาะกราฟกำกับ เมื่อใดก็ตามที่คุณเพิ่มข้อมูลลงในกระบวนการความน่าจะเป็นหรือสถิติคุณจะลดความแปรปรวนของผลลัพธ์และเปลี่ยนแปลงสิ่งที่จะได้รับการพิจารณา
หากคุณดูที่การเรียนรู้ของเครื่องจากองค์ประกอบของมุมมองของฟังก์ชั่นมันจะกลายเป็นโซลูชันทางสถิติ แต่ใช้การประมาณเพื่อทำให้การแก้ปัญหานั้นง่ายขึ้น สำหรับการแก้ปัญหาแบบเบย์ MCMC ช่วยประหยัดเวลาได้อย่างไม่น่าเชื่อเช่นเดียวกับการไล่ระดับสีสำหรับปัญหา ML จำนวนมาก หากคุณต้องสร้างหลังที่แน่นอนเพื่อรวมหรือใช้กำลังดุร้ายกับปัญหา ML หลายอย่างระบบสุริยะจะตายจากความร้อนก่อนที่คุณจะได้รับคำตอบ
ฉันเดาว่าคุณมีรูปแบบการสะกดผิดสำหรับผู้ที่ใช้สถิติหรือสถิติที่ไม่เหมาะสม ฉันสอนการบรรยายที่ฉันพิสูจน์ว่าทารกแรกเกิดจะลอยออกไปนอกหน้าต่างถ้าไม่เหมาะสมและที่ซึ่งวิธีการแบบเบย์อย่างรุนแรงกว่าวิธีการแบบผู้นิยมใช้บ่อยในการเลือกแบบพหุภาษาที่วิธีการแบบทวีคูณ . ตอนนี้ฉันใช้สถิติในทางที่ผิดในอดีตและใช้ประโยชน์จากความไม่สามารถจะยอมรับได้ของตัวประมาณบ่อยครั้ง แต่ผู้ใช้ที่ไร้เดียงสาของสถิติสามารถทำสิ่งที่ฉันทำได้อย่างง่ายดาย ฉันทำให้พวกมันสุดขั้วเพื่อทำให้ตัวอย่างชัดเจน แต่ฉันใช้ข้อมูลจริงอย่างแน่นอน
ป่าสุ่มเป็นตัวประมาณที่สอดคล้องกันและดูเหมือนว่าจะคล้ายกับกระบวนการของเบย์บางอย่าง เนื่องจากการเชื่อมโยงไปยังตัวประมาณเคอร์เนลพวกเขาอาจจะค่อนข้างใกล้เคียง หากคุณเห็นความแตกต่างอย่างมีนัยสำคัญในประสิทธิภาพระหว่างประเภทโซลูชันแสดงว่ามีบางสิ่งในปัญหาพื้นฐานที่คุณเข้าใจผิดและหากปัญหามีความสำคัญคุณก็ต้องมองหาแหล่งที่มาของความแตกต่างเพราะอาจเป็น กรณีที่ทุกรุ่นไม่ได้ระบุไว้