이것은 다소 일반적인 질문이지만 통계와 관련이있는 것은 아니지만 저자가 다음과 같은 접근 방식을 선호하는 기계 학습 및 통계 문헌의 추세를 발견했습니다.
접근법 1 : 전 세계적으로 최적의 솔루션을 찾는 것이 가능한 (예를 들어, 계산적 관점에서) 비용 함수를 공식화함으로써 (예를 들어 볼록한 비용 함수를 공식화함으로써) 실제 문제에 대한 솔루션을 얻는다.
오히려
접근법 2 : 전 세계적으로 최적의 솔루션을 얻지 못할 수도있는 비용 함수를 공식화하여 동일한 문제에 대한 솔루션을 얻습니다 (예 : 로컬에서 최적의 솔루션 만 얻을 수 있음).
엄격하게 말하면 두 가지 문제는 다르다. 가정은 첫 번째 솔루션에 대해서는 전 세계적으로 최적의 솔루션을 찾을 수 있지만 두 번째 솔루션에는 적합하지 않다는 것입니다.
다른 고려 사항 (예 : 속도, 구현 용이성 등)을 제외하고는 찾고 있습니다.
- 이 추세에 대한 설명 (예 : 수학 또는 역사적 주장)
- 실제 문제를 해결할 때 접근법 2 대신 접근법 1을 따르는 이점 (실용적 및 / 또는 이론적).