Re-Paper

The no-free-lunch theorems of supervised learning

Autor(en)
Tom F. Sterkenburg, Peter D. Grünwald
Tags
Daten Tag entfernen Bias Tag hinzufügen KI-Theorie Tag hinzufügen
Artikeldetails
Intro verfasst von
Solveig Klepper
Intro

„There ain’t no such thing as a free lunch“, zu deutsch: „Es gibt nichts umsonst.“ Diese Aussage gilt auch für maschinelles Lernen. David Wolpert und William G. Macready formalisierten diese Aussage zwischen 1992 und 1996 in Form der „No-Free-Lunch“-Theoreme. Eine häufige Interpretation der Theoreme ist, dass maschinelles Lernen unmöglich ist und alle Lernalgorithmen gleich schlecht sind. Sterkenburg und Grünwald beleuchten Kritik, Erweiterungen und Interpretationen der Theoreme und argumentieren, dass modernes maschinelles Lernen und dessen theoretische Grundlagen nicht im Widerspruch zu den „No-Free-Lunch“-Theoremen stehen. 

Bei te.ma veröffentlicht
Apr 14, 2023

Veröffentlichungsdatum
Jun 04, 2020
Quelle
Synthese
Band
199
Nummer
3
DOI des Papers
https://doi.org/10.1007/s11229-021-03233-1

‘tag:daten’ hat 4 Treffer:

In Artikelintro

weißt, wie der Kaffee die letzten Tage geschmeckt hat, versuchst du auf diesen Erfahrungen beruhend

nichts anderes: Sie lernen auf Basis von Daten (Erfahrungen) Vorhersagen zu treffen. Aber geht

Meistens wissen wir nicht, welche Struktur unsere Daten haben. Zudem sind Modelle für maschinelles Lernen

Beispiel, ein solches Modell für die meisten Tage das richtige Ergebnis liefert, könnte es morgen