Ich habe mich mit theoretischen Rahmenbedingungen für die Methodenauswahl befasst (Anmerkung: nicht Modellauswahl) und nur sehr wenig systematische, mathematisch motivierte Arbeit gefunden. Mit "Methodenauswahl" meine ich einen Rahmen zur Unterscheidung der geeigneten (oder besser, optimalen) Methode in Bezug auf ein Problem oder einen Problemtyp.
Was ich gefunden habe, ist substanziell, wenn auch stückweise, die Arbeit an bestimmten Methoden und deren Abstimmung (dh vorherige Auswahl in Bayes'schen Methoden) und die Methodenauswahl über Bias-Auswahl (z. B. Induktive Politik: Die Pragmatik der Bias-Auswahl ). Ich mag in diesem frühen Stadium der Entwicklung des maschinellen Lernens unrealistisch sein, aber ich hatte gehofft, etwas zu finden, wie es die Messtheorie tut, um zulässige Transformationen und Tests nach Skalentyp vorzuschreiben, die nur im Bereich der Lernprobleme groß geschrieben werden.
Irgendwelche Vorschläge?