He estado buscando marcos teóricos para la selección de métodos (nota: no selección de modelos) y he encontrado muy poco trabajo sistemático motivado matemáticamente. Por "selección de método", me refiero a un marco para distinguir el método apropiado (o mejor, óptimo) con respecto a un problema o tipo de problema.
Lo que he encontrado es sustancial, aunque poco a poco, trabajar en métodos particulares y su ajuste (es decir, selección previa en métodos bayesianos), y la selección de métodos a través de la selección de sesgo (por ejemplo, Política inductiva: la pragmática de la selección de sesgo ). Puede que no sea realista en esta etapa temprana del desarrollo del aprendizaje automático, pero esperaba encontrar algo como lo que hace la teoría de la medición al prescribir transformaciones y pruebas admisibles por tipo de escala, solo en gran medida en el ámbito de los problemas de aprendizaje.
¿Alguna sugerencia?
fuente
Respuestas:
John, no estoy seguro de que mi sugerencia pueda ser de ayuda. Pero, en cualquier caso, el libro Intuitive Biostatistics de Harvey Motulsky puede ser de ayuda. El Capítulo 37 'Elección de una prueba' tiene una tabla bastante buena en la página 298 que le dice dada la naturaleza del conjunto de datos y el problema que está abordando qué método estadístico debe usar. Amazon te permite buscar en este libro.
Buena suerte.
fuente