本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
沒有免費的午餐定理證明，在歸納問題（搜尋問題或學習問題）的均勻分佈下，所有歸納演算法的表現相同。正如我在本章中討論的，定理的重要性在於使用它們來分析涉及非均勻分佈的場景，並比較不同的演算法，而無需對問題的分佈進行任何假設。特別是，這些定理證明，反交叉驗證（根據樣本外行為最差的一組候選演算法進行選擇）的表現與交叉驗證一樣好，除非人們做出假設（從未正式化），一方面歸納問題的分佈如何與人們在使用（反）交叉驗證中選擇的演算法集相關。此外，他們對文獻中許多結果的重要性提出了強烈的警告，這些結果在不假設特定分佈的情況下確定了特定演算法的強度。它們還激發了監督學習和改進黑盒優化之間的“字典”，這使得人們可以將監督學習的技術“翻譯”到黑盒優化領域，從而增強黑盒優化演算法。除了這些主題之外，我還簡要地討論了它們對科學哲學的影響。