방법 선택을위한 이론적 프레임 워크 (주 : 모델 선택이 아님)를 조사해 왔으며 체계적이고 수학적으로 동기 부여 된 작업이 거의 발견되지 않았습니다. '방법 선택'이란 문제 또는 문제 유형과 관련하여 적절한 (또는 더 나은 최적의) 방법을 구별하기위한 프레임 워크를 의미합니다.
내가 발견 한 것은 단편적 인 경우 특정 방법과 해당 튜닝 (즉, 베이지안 방법의 사전 선택) 및 바이어스 선택을 통한 방법 선택 (예 : 유도 정책 : 바이어스 선택의 실용 법)에 대한 실질적인 것 입니다. 머신 러닝 개발 초기 단계에서는 비현실적 일 수 있지만 스케일 타입으로 허용 가능한 변환 및 테스트를 규정 할 때 측정 이론 이 수행하는 것과 같은 것을 찾고자 합니다.
어떤 제안?
모델 선택 modelselection.org (지난 20 년 동안 통계에서 가장 인기있는 주제)와 방법 선택 의 차이점은 무엇입니까?
—
로빈 지라드
모델 선택은 일반적으로 적합도 및 사용 된 매개 변수 수 (la AIC 및 BIC)를 기반으로 분포 계열 내 모델의 점수를 매기는 반면 방법 선택은 더 일반적입니다. 분석법 선택에는 배경 지식이있는 문제 (예 : 변수는 (예 : 독립성, 데이터 유형), 보조 가정 (예 : 정규성, 동질성)이있는 문제 (예 : 테스트, 분류, 예측)가 발생합니다.
—
John L. Taylor
이제 측정 유형, 수렴 결과, 최적 성 및 시간 / 공간 복잡성에 따라 수학적 처방이 있지만 체계적인 응용 프로그램에 대한 프레임 워크는 없으므로 알고 있습니다.
—
존 L. 테일러
더 자세한 내용 (페이지 또는 용지에 대한 링크가있을 수 있음)을 사용하여 분석법 선택의 예를들 수 있다면,보다 정확하게 파악하는 데 도움이 될 수 있습니다. 미리 감사드립니다
—
Robin girard
상기 논문은 일반적으로 방법 선택을 다룬다. 구체적인 예와 세부 사항에 대해서는 특정 메타 방법론 학문 (측정 이론, 알고리즘 학습 이론, 통계 학습 이론, 복잡성 이론)에 흩어져 있지만 체계적인 치료법을 찾지 못했습니다. 이러한 문제에 대해 일반적으로 논의하려면 johnnylogic (gmail)의 이메일을 보내 주시기 바랍니다.
—
John L. Taylor