Patrzyłem na teoretyczne ramy wyboru metod (uwaga: nie wybór modelu) i znalazłem bardzo mało systematycznej, motywowanej matematycznie pracy. Pod pojęciem „wybór metody” rozumiem strukturę umożliwiającą rozróżnienie odpowiedniej (lub lepszej, optymalnej) metody w odniesieniu do problemu lub rodzaju problemu.
To, co znalazłem, jest znaczące, jeśli fragmentaryczne, pracuje nad poszczególnymi metodami i ich dostrajaniem (tj. Wcześniejszą selekcją w metodach bayesowskich) oraz selekcją metod poprzez selekcję uprzedzeń (np. Polityka indukcyjna: Pragmatyka selekcji uprzedzeń ). Mogę być nierealistyczny na tym wczesnym etapie rozwoju uczenia maszynowego, ale miałem nadzieję znaleźć coś takiego, co teoria pomiaru robi przy przepisywaniu dopuszczalnych transformacji i testów według typu skali , ale piszę tylko na arenie problemów uczenia się.
Jakieś sugestie?
źródło
Odpowiedzi:
John, nie jestem pewien, czy moja sugestia może być pomocna. Ale w każdym razie pomocna może być książka Intuitive Biostatistics autorstwa Harveya Motulsky'ego. Rozdział 37 „Wybór testu” zawiera całkiem niezłą tabelę na stronie 298, która mówi, biorąc pod uwagę naturę zestawu danych i problem, którym zajmujesz się, jakiej metody statystycznej powinieneś użyć. Amazon pozwala przeszukiwać tę książkę.
Powodzenia.
źródło