模型選擇
 | 此條目需要精通或熟悉相關主題的編者參與及協助編輯。 (2019年12月11日) |
 | 此條目需要補充更多來源。 (2019年12月11日) |
模型選擇（英語：Model selection）是在給定數據的情況下，在一組候選模型中選定最優模型的過程。在最簡單的情形之下，給定數據可以是已存在的數據。不過，在複雜的情形下，模型選擇也可能牽涉到實驗設計，以便能夠收集數據來進行模型選擇。諸多候選模型的預測或解釋能力相近時，根據奧卡姆剃刀原則，最簡單的模型往往是最好的選擇，這有助於避免過擬合。
在做決策時，或是在不確定條件下進行優化時，模型選擇也可以指代從大量計算模型中選取少數代表性模型的問題。[1]
參考文獻
- ^ Shirangi, Mehrdad G.; Durlofsky, Louis J. A general method to select representative models for decision making and optimization under uncertainty. Computers & Geosciences. 2016, 96: 109–123. Bibcode:2016CG.....96..109S. doi:10.1016/j.cageo.2016.08.002.
| 這是一篇與機器學習相關的小作品。你可以透過編輯或修訂擴充其內容。 |