MDL is an information-theoretic app

MDL is an information-theoretic approach to machine learning, or statistical model selection, which basically says you should pick the model which gives you the most compact description of the data, including the description of the model itself. More precisely, given a probabilistic model, Shannon's coding theorems tell you the minimal number of bits needed to encode your data, i.e., the maximum extent to which it can be compressed. Really, however, to complete the description, you need to specify the model as well, from among some set of alternatives, and this will also require a certain number of bits. Hence you really want to minimize the combined length of the description of the model, plus the description of the data under that model. This works out to being a kind of penalized maximum likelihood — the data-given-model bit is the negative log likelihood, and the model-description term is the penalty.

ผลลัพธ์ (ไทย) 1:

MDL เป็นวิธีข้อมูลสดหรือเครื่องจักรการเรียนรู้ เลือกรุ่นสถิติ ซึ่งโดยทั่วไปกล่าวว่า คุณควรเลือกรูปแบบซึ่งให้คำอธิบายที่กะทัดรัดที่สุดของข้อมูล รวมทั้งคำอธิบายของรูปแบบตัวเอง เบสแบบน่าจะได้รับ theorems เขียนโค้ดของแชนนอนบอกน้อยที่สุดจำนวนบิตที่จำเป็นในการเข้ารหัสข้อมูลของคุณ เช่น สูงสุดเท่าที่จะสามารถบีบอัด จริง ๆ แต่ การทำคำอธิบาย คุณต้องระบุรูปแบบเป็นอย่างดี จากบางชุดของทางเลือก และยังจะต้องมีจำนวนของบิต จึง ต้องการลดความยาวของคำอธิบายของรูปแบบ รวมทั้งคำอธิบายของข้อมูลภายใต้รูปแบบที่รวม นี้ทำงานออกไปเป็นชนิดของโอกาสลงโทษสูงสุด — บิตกำหนดโมเดลข้อมูลโอกาสลบล็อก และคำอธิบายแบบเป็นโทษ

ผลลัพธ์ (ไทย) 2:

MDL เป็นวิธีการข้อมูลตามทฤษฎีการเรียนรู้ของเครื่องหรือการเลือกแบบจำลองทางสถิติซึ่งโดยทั่วไปว่าคุณควรเลือกรูปแบบที่ช่วยให้คุณคำอธิบายขนาดเล็กที่สุดของข้อมูลรวมถึงรายละเอียดของรูปแบบของตัวเอง อีกอย่างแม่นยำที่กำหนดรูปแบบความน่าจะเป็นแชนนอนของทฤษฎีการเข้ารหัสบอกคุณจำนวนน้อยที่สุดของบิตที่จำเป็นในการเข้ารหัสข้อมูลของคุณคือขอบเขตสูงสุดที่มันจะสามารถบีบอัด จริงๆ แต่เพื่อให้คำอธิบายที่คุณจะต้องระบุรุ่นเป็นอย่างดีจากบรรดาชุดของทางเลือกบางอย่างและนี้ยังจะต้องมีจำนวนที่แน่นอนของบิต ดังนั้นคุณอยากจะลดความยาวรวมของรายละเอียดของรูปแบบรวมทั้งรายละเอียดของข้อมูลภายใต้รูปแบบว่า นี้ทำงานออกไปเป็นชนิดของโอกาสสูงสุดลงโทษ - บิตข้อมูลที่กำหนดรูปแบบเป็นโอกาสในการเข้าสู่ระบบเชิงลบและระยะแบบคำอธิบายเป็นโทษ

ผลลัพธ์ (ไทย) 3:

ช่วยเป็นข้อมูลเกี่ยวกับทฤษฎีแนวทางการเรียนรู้เครื่อง , หรือรูปแบบทางเลือก ซึ่งโดยทั่วไปกล่าวว่า คุณควรเลือกรูปแบบซึ่งจะช่วยให้คุณมีรายละเอียดขนาดกะทัดรัดที่สุดของข้อมูลรวมทั้งรายละเอียดของรุ่นตัวเอง อย่างแม่นยำมากขึ้นให้รูปแบบของการเข้ารหัสทฤษฎีบท Probabilistic น่อนบอกจำนวนที่น้อยที่สุดของบิตต้องเข้ารหัสข้อมูลของคุณ เช่น ขอบเขตสูงสุดที่สามารถบีบอัดได้ จริงๆ อย่างไรก็ตาม เพื่อให้รายละเอียด คุณต้องระบุรูปแบบเช่นกัน ในบางชุดของทางเลือก และนี้ จะต้องมีจำนวนหนึ่งของบิต ดังนั้นคุณต้องการที่จะลดความยาวรวมของรายละเอียดของรูปแบบและรายละเอียดของข้อมูลในรุ่นนั้น งานนี้เป็นชนิดของการลงโทษสูงสุดโอกาส - ข้อมูลที่ระบุรูปแบบบิตเป็นโอกาสเข้าสู่ระบบลบและรูปแบบรายละเอียดเงื่อนไขเป็นโทษ