過去記事は、「ワルドの枠組みと機械学習」。チャンネル理論的に整理する。
| 吉田本 | 檜山 |
|---|---|
| 標本空間 Χ〈ギリシャ文字〉 | 観測値空間 X〈ラテン文字〉 |
| 決定空間 D | 結果空間 D |
| 確率分布族 P | データの非確定性モデル P |
| パラメータ空間 Θ | パラメータ空間 Θ |
| 決定関数 δ | 遂行子 Fδ |
| (なし) | 遂行子の確定性モデル F |
| 決定関数の族 Δ | パラメータ空間 Δ |
| 損失関数 W | 損失述語 W |
それぞれのプロファイルは
| 吉田本 | 檜山 |
|---|---|
| P:Θ →* X | P:Θ →* X |
| δ:X→D | Fδ:X→D |
| (なし) | F:Δ→[X, !D] |
| W:Θ×D→R≧0 | 損失述語 W:Θ×D→* 2 |
ここで、
- →* ：非確定関数＝チャンネル
- → ：確定関数＝{シャープ|クリアー}チャンネル
- [X, !D] ： XからDへの確定性関数の集合
機械学習の文脈
| 従来型ソフトウェア開発 | 機械学習によるソフトウェア開発 |
|---|---|
| プログラミング（人的労働） | 学習〈トレーニング〉 |
| 成果物としてのプログラム | 学習結果としての最適遂行子 |
| プログラムの実行 | 最適遂行子の遂行 |
人間労働〈人的労働〉と機械労働の境界が変わる。機械学習によるソフトウェア開発では、人間労働は学習フレーム〈トレーニングフレーム〉の構築になる。学習フレームがワルド・フレームでいいかは疑問だが、とりあえずのスタートラインにはなる。
