Estive pesquisando estruturas teóricas para a seleção de métodos (nota: não seleção de modelos) e encontrei muito pouco trabalho sistemático e motivado matematicamente. Por 'seleção de método', quero dizer uma estrutura para distinguir o método apropriado (ou melhor, ideal) em relação a um problema ou tipo de problema.
O que eu descobri é substancial, embora fragmentado, trabalho em métodos específicos e seu ajuste (ou seja, seleção prévia em métodos bayesianos) e seleção de métodos por seleção de viés (por exemplo, Política Indutiva: A Seleção Pragmática de Viés ). Posso ser irreal neste estágio inicial do desenvolvimento do aprendizado de máquina, mas esperava encontrar algo parecido com o que a teoria das medições faz ao prescrever transformações e testes admissíveis por tipo de escala, apenas em grande escala na arena dos problemas de aprendizado.
Alguma sugestão?
fonte
Respostas:
John, não tenho certeza de que minha sugestão possa ser útil. Mas, em qualquer caso, o livro Intuitive Biostatistics, de Harvey Motulsky, pode ser útil. O Capítulo 37, 'Escolhendo um teste', possui uma tabela muito boa na página 298, que informa a natureza do conjunto de dados e o problema que você está abordando com o método estatístico que deve usar. A Amazon permite pesquisar neste livro.
Boa sorte.
fonte