Optimal Learning from the Doob-Dynkin lemma
Optimal Learning from the Doob-Dynkin lemma
复制标题
Doob-Dynkin 引理的最优学习
DOI：
--
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
G. Taraldsen
中科院分区：
文献类型：
--
作者：
G. Taraldsen
Doob-dykin引理给出了两个函数$X$和$Y$的条件，这两个函数确保函数${\Phi}$存在，使得$X={\Phi}\ciRC Y$。这一通信证明了Doob-dykin引理的不同版本，并展示了它与最优统计学习算法的关系。
关键词和短语：不适当的先验、描述集合论、条件蒙特卡罗、基准、机器学习、复杂数据。
The Doob-Dynkin Lemma gives conditions on two functions $X$ and $Y$ that ensure existence of a function ${\phi}$ so that $X = {\phi} \circ Y$. This communication proves different versions of the Doob-Dynkin Lemma, and shows how it is related to optimal statistical learning algorithms.
Keywords and phrases: Improper prior, Descriptive set theory, Conditional Monte Carlo, Fiducial, Machine learning, Complex data.