"구조적 위험 최소화"에 기반한 머신 러닝 알고리즘?

SVM 외에 어떤 기계 학습 알고리즘이 구조적 위험 최소화 원칙을 사용 합니까?

reference-request machine-learning

— Classifire
소스

알고 란 무엇입니까?

— Dave Clarke

algo = algorithm;)

— Classifire

완전한 단어를 사용하십시오.

— Kaveh

좋아. 타이틀을 너무 길게하고 싶지 않았다

— Classifire

내가 SRM에 말할 수있는 한 , 절대적으로 모든 곳에서 사용되는 오래된 오래된 정규화 일뿐 입니다.

— Emre

구조적 위험 최소화 원칙은 과적 합이 종종 고려되기 때문에 모든 기계 학습 방법에서 적어도 부분적으로 '사용되는'원칙입니다. 과적 합.

SVM에는 명시 적으로 복잡성 ( 특징 공간 의 차원 또는 커널 함수)에 대한 매개 변수가 있으며 복잡성을 증가시키는 것이 학습 알고리즘의 일부이기 때문에 필요합니다.
뉴런 네트워크는 또한 복잡성 ( '셀 수')을 쉽게 표시 할 수 있으며 관련 학습 알고리즘의 일부입니다.
이 원칙이 없다면 문법 추론 은 어리 석고 완벽한 문법은 가능한 모든 단어의 목록이므로 모든 사소한 알고리즘은 적어도이 원칙을 인정합니다.
의사 결정 트리에는 자체 엔트로피 개념이 있습니다.
클러스터 는 단순히 기본적으로 원칙을 계산하거나 일종의 '사용'할 수 있거나 고정 된 수의 클러스터를 가질 수 있으며이 경우 원칙을 더 높은 수준에서 적용합니다.

완벽하게 정직하게 말하면 유전자 프로그래밍에서 어떤 일이 발생하는지는 잘 모르지만 본질적인 복잡성 개념은 없습니다.

나는 유도 논리 프로그래밍을 잘 모르지만이 원칙에 잘 맞지 않는 것 같습니다.

— jmad
소스

SVM보다 훨씬 강력하고 과적 합하기 쉬운 학습 알고리즘에 대해 알고 있습니까? 아니면 표준 SVM을 향상시키는 기술입니까?

— Classifire

'강력한'하여가 '효율'을 의미하는 경우 @ user2278 다음의 SVM은 매우 중대 하가 많은 의 연구 그것에 대해와 도구 를 사용하여이. 그러나 물론 그것은 당신의 문제에 달려 있습니다.

— jmad

글쎄, 나는 금융 시장에서 SVM을 사용하고 싶습니다. 실제로이 주제에 관한 많은 논문이 있습니다 (주식 예측에 SVM 사용 등). 해당 목적에 더 적합한 알고리즘이 있습니까 (특히 재무 시계열이 "잡음"이므로)?

— Classifire

@ user2278 논문을 더 잘 사용하십시오. 나는 전문가가 아닙니다. (SVM이 최고인 것도 놀랍지 않을 것입니다. 또한 소음이 잘 들립니다)

— jmad