Model selection
http://dbpedia.org/resource/Model_selection an entity of type: Agent
모형 선택은 주어진 데이터에서 일련의 후보 모델에서 통계적 모델을 선택하는 작업이다. 가장 간단한 경우, 기존의 데이터 집합을 고려한다. 그러나 수집된 데이터가 모델 선택 문제에 잘 적합하도록 실험 설계도 이 작업에 포함될 수 있다. 예측력이나 설명력이 유사한 후보 모델을 감안할 때 가장 단순한 모델은 최선의 선택일 가능성이 높다. 모델 선택은 불확실성 하에서 의사 결정이나 최적화를 목적으로 대규모 연산 모델 집합에서 몇 가지 대표적인 모델을 선택하는 문제도 언급할 수 있다.
rdf:langString
模型选择（英語：Model selection）是在给定数据的情况下，在一组候选模型中选定最优模型的过程。在最简单的情形之下，给定数据可以是已存在的数据。不过，在复杂的情形下，模型选择也可能牵涉到实验设计，以便能够来进行模型选择。诸多候选模型的预测或解释能力相近，但根据奥卡姆剃刀原则，最简单的模型往往是最好的选择，这有助于避免过拟合。 在时，或是在不确定条件下进行优化时，模型选择也可以指代从大量计算模型中选取少数代表性模型的问题。
rdf:langString
Model selection is the task of selecting a statistical model from a set of candidate models, given data. In the simplest cases, a pre-existing set of data is considered. However, the task can also involve the design of experiments such that the data collected is well-suited to the problem of model selection. Given candidate models of similar predictive or explanatory power, the simplest model is most likely to be the best choice (Occam's razor).
rdf:langString
Выбор модели — это задача выбора статистической модели из набора моделей-кандидатов по имеющимся данным. В простейшем случае рассматривается существующий набор данных. Однако задача может вовлекать планирование экспериментов, так что сбор данных связан с задачей выбора модели. Если заданы кандидаты в модели с одинаковой силой предсказания или объяснения, наиболее простая модель скорее всего будет лучшим выбором (бритва Оккама).
rdf:langString
Обира́ння моде́лі (англ. model selection) — задача обирання статистичної моделі з множини моделей-кандидатів на заданих даних. В найпростіших випадках розглядають вже наявний набір даних. Проте до цієї задачі входить і планування таких експериментів, щоби збирані дані добре підходили для задачі обирання моделі. За заданих моделей-кандидатів подібної передбачувальної або пояснювальної сили найкращим вибором, швидше за все, буде найпростіша модель.
rdf:langString
rdf:langString
Model selection
rdf:langString
모형 선택
rdf:langString
Выбор статистической модели
rdf:langString
模型选择
rdf:langString
Обирання моделі
xsd:integer
3664073
xsd:integer
1123403261
rdf:langString
InternetArchiveBot
rdf:langString
April 2020
rdf:langString
yes
rdf:langString
Model selection is the task of selecting a statistical model from a set of candidate models, given data. In the simplest cases, a pre-existing set of data is considered. However, the task can also involve the design of experiments such that the data collected is well-suited to the problem of model selection. Given candidate models of similar predictive or explanatory power, the simplest model is most likely to be the best choice (Occam's razor). , p. 75) state, "The majority of the problems in statistical inference can be considered to be problems related to statistical modeling". Relatedly, , p. 197) has said, "How [the] translation from subject-matter problem to statistical model is done is often the most critical part of an analysis". Model selection may also refer to the problem of selecting a few representative models from a large set of computational models for the purpose of decision making or optimization under uncertainty.
rdf:langString
모형 선택은 주어진 데이터에서 일련의 후보 모델에서 통계적 모델을 선택하는 작업이다. 가장 간단한 경우, 기존의 데이터 집합을 고려한다. 그러나 수집된 데이터가 모델 선택 문제에 잘 적합하도록 실험 설계도 이 작업에 포함될 수 있다. 예측력이나 설명력이 유사한 후보 모델을 감안할 때 가장 단순한 모델은 최선의 선택일 가능성이 높다. 모델 선택은 불확실성 하에서 의사 결정이나 최적화를 목적으로 대규모 연산 모델 집합에서 몇 가지 대표적인 모델을 선택하는 문제도 언급할 수 있다.
rdf:langString
Выбор модели — это задача выбора статистической модели из набора моделей-кандидатов по имеющимся данным. В простейшем случае рассматривается существующий набор данных. Однако задача может вовлекать планирование экспериментов, так что сбор данных связан с задачей выбора модели. Если заданы кандидаты в модели с одинаковой силой предсказания или объяснения, наиболее простая модель скорее всего будет лучшим выбором (бритва Оккама). Кониси и Китагава утверждают: «Большинство задач при статистическом выводе можно считать задачами, связанными со статистическим моделированием». Вместе с тем, Кокс сказал: «Каким образом осуществлена трансляция от предметной задачи к статистической модели является наиболее критической частью анализа». Выбор модели может также относиться к задаче выбора нескольких представляющих моделей из большого набора вычислительных моделей с целью принятия решения или оптимизации в условиях неопределённости.
rdf:langString
Обира́ння моде́лі (англ. model selection) — задача обирання статистичної моделі з множини моделей-кандидатів на заданих даних. В найпростіших випадках розглядають вже наявний набір даних. Проте до цієї задачі входить і планування таких експериментів, щоби збирані дані добре підходили для задачі обирання моделі. За заданих моделей-кандидатів подібної передбачувальної або пояснювальної сили найкращим вибором, швидше за все, буде найпростіша модель. , с. 75) заявляють, що «Більшість задач у статистичному висновуванні можна розглядати як задачі, пов'язані зі статистичним моделюванням». Пов'язано з цим, , с. 197) сказав: «Як здійснюється перенесення з моделі предметної області на статистичну модель, часто є найкритичнішою частиною аналізу». Вибір моделі може також стосуватися завдання вибору кількох моделей з великого набору обчислювальних моделей з метою ухвалення рішення або оптимізації в умовах невизначеності.
rdf:langString
模型选择（英語：Model selection）是在给定数据的情况下，在一组候选模型中选定最优模型的过程。在最简单的情形之下，给定数据可以是已存在的数据。不过，在复杂的情形下，模型选择也可能牵涉到实验设计，以便能够来进行模型选择。诸多候选模型的预测或解释能力相近，但根据奥卡姆剃刀原则，最简单的模型往往是最好的选择，这有助于避免过拟合。 在时，或是在不确定条件下进行优化时，模型选择也可以指代从大量计算模型中选取少数代表性模型的问题。
xsd:nonNegativeInteger
20019
