ワルドの枠組みと機械学習

統計的決定の理論におけるワルドの枠組みと機械学習の用語対比。イコールの左がワルドの枠組み、右が機械学習

• 標本{値}?空間 ＝ {{観測 | 特徴 | 属性}{値}?}?{データ | ベクトル}{空間 | 集合}
• {モデル}?確率分布族 ＝ よくわからんが、仮説空間か
• {決定 | 結果 | 行動}空間 ＝ {クラス{ラベル}? | パターン}{集合 | 空間}
• 損失関数 ＝ 損失関数
• {決定関数 | 戦略} ＝ {クラス識別 ＝ 類別 | 分類 | パターン認識}{関数 | 写像 | 規則}

さらに、

• 決定関数が非確率的（決定性）か確率的かの別がある。
• 確率分布族がパラメトリックかノンパラメトリックかの別がある。

記法（吉田本より）

• 標本空間／データ空間 Χ（ギリシャ文字カイ）
• 確率分布族のパラメータ空間 Θ
• 決定空間／行動空間／パターン空間／クラス空間 D
• 損失関数 W:Θ×D→R_≧0
• 決定関数 δ:Χ→D
• 決定関数クラス Δ
• 基準： 決定関数のクラスΔのなかから、最良の決定関数 δ_best を選び出す基準。Δ上の汎関数などの形をとる。