सिर्फ एक विचार:
पर्सिमोनियस मॉडल हमेशा डिफॉल्ट गो-टू मॉडल चयन में रहा है, लेकिन यह दृष्टिकोण किस हद तक पुराना है? मुझे इस बात की उत्सुकता है कि पारसीमोनी के प्रति हमारी प्रवृत्ति अबकी और स्लाइड नियमों (या अधिक गंभीरता से, गैर-आधुनिक कंप्यूटर) के समय का अवशेष है। आज की कंप्यूटिंग शक्ति हमें भविष्यवाणी के लिए कभी-अधिक क्षमता के साथ तेजी से जटिल मॉडल बनाने में सक्षम बनाती है। कंप्यूटिंग शक्ति में इस बढ़ती हुई छत के परिणामस्वरूप, क्या वास्तव में हमें अभी भी सादगी की ओर बढ़ने की आवश्यकता है?
निश्चित रूप से, सरल मॉडल समझने और व्याख्या करने में आसान होते हैं, लेकिन बढ़ती संख्याओं के साथ कभी-कभी बढ़ते डेटा सेटों की संख्या और भविष्यवाणी क्षमता पर अधिक ध्यान देने की ओर एक बदलाव, यह अब भी संभव या आवश्यक नहीं हो सकता है।
विचार?
4
रिचर्ड हैमिंग से माफी के साथ: मॉडलिंग का उद्देश्य अंतर्दृष्टि है, संख्या नहीं। जटिल मॉडल अंतर्दृष्टि को बाधित करते हैं।
—
एरिक टावर्स
ओवरसाइप्लाइज़ किए गए मॉडल अंतर्दृष्टि को और भी अधिक बढ़ाते हैं।
—
फ्रैंक हरेल
यह आवेदन पर निर्भर हो सकता है; भौतिकी में, मुझे लगता है कि पार्सिमनी के तर्क का एक मजबूत आधार होगा। हालांकि, कई अनुप्रयोगों में छोटे प्रभावों का एक मेजबान होगा जिसे समाप्त नहीं किया जा सकता है (उदाहरण के लिए, राजनीतिक प्राथमिकताओं के लिए मॉडल पर विचार करें)। कई कार्यकर्ता सुझाव देते हैं कि नियमितीकरण का उपयोग (जैसे कि तरीकों से सिकुड़न पैदा होती है या कई अनुप्रयोगों में अंतर का संकोचन होता है, या दोनों) चर को खत्म करने के बजाय अधिक समझ में आता है; दूसरों को कुछ चयन और कुछ संकोचन की ओर झुकाव (उदाहरण के लिए LASSO, दोनों करता है)।
—
Glen_b -Reinstate मोनिका
मॉडल चयन में पर्सिमोनियस मॉडल "गो-टू" नहीं हैं। अन्यथा हम हमेशा हर चीज का नमूना लेते हैं और उसे एक दिन कहते हैं।
—
छायाकार
इसके अलावा, कुछ विचार के लिए भोजन: मिज और वायनेर (2008) AdaBoost में समृद्ध शिक्षार्थियों की सलाह देते हैं , जो थोड़ा अनजाना है। अनुसंधान की उस पंक्ति में एक खुला प्रश्न यह प्रतीत होता है कि क्या पारसी-संबंधी आधार सीखने वाले वास्तव में पारसी-संबंधी दासता को जन्म देते हैं।
—
छायाकार