मॉडल चयन - Revision history

Admin at 12:02, 17 April 2023

2023-04-17T12:02:58Z

@@ Line 117: / Line 117: @@
 {{Statistics}}
 {{Least Squares and Regression Analysis}}
+[[Category:All articles with dead external links]]
+[[Category:All articles with unsourced statements]]
-[[Category: Machine Translated Page]]
+[[Category:Articles with dead external links from April 2020]]
 [[Category:Created On 21/03/2023]]
-[[Category:Vigyan Ready]]
+[[Category:Lua-based templates]]

Indicwiki: 7 revisions imported from :alpha:मॉडल_चयन

2023-04-07T03:44:36Z

7 revisions imported from alpha:मॉडल_चयन

← Older revision	Revision as of 09:14, 7 April 2023
(No difference)

alpha>Neeraja: added Category:Vigyan Ready using HotCat

2023-04-06T11:42:25Z

added Category:Vigyan Ready using HotCat

← Older revision		Revision as of 17:12, 6 April 2023
Line 123:		Line 123:
	[[Category: Machine Translated Page]]		[[Category: Machine Translated Page]]
	[[Category:Created On 21/03/2023]]		[[Category:Created On 21/03/2023]]
			[[Category:Vigyan Ready]]

alpha>Aagman at 05:11, 3 April 2023

2023-04-03T05:11:42Z

Show changes

alpha>Aagman at 13:56, 1 April 2023

2023-04-01T13:56:46Z

← Older revision		Revision as of 19:26, 1 April 2023
Line 13:		Line 13:
	अनगिनत संभावित तंत्रों और प्रक्रियाओं में से जो डेटा का उत्पादन कर सकते थे, कोई कैसे सबसे ठीक मॉडल चुनना प्रारम्भ कर सकता है? गणितीय दृष्टिकोण सामान्यतः उम्मीदवार मॉडल के समूह के बीच निर्णय लेता है; यह समूह शोधकर्ता द्वारा चुना जाना चाहिए। कम से कम प्रारम्भ में [[बहुपद]] जैसे सरल मॉडल का उपयोग किया जाता है {{Citation needed\|date=September 2017}}। {{harvtxt\|बर्नहैम\|एंडरसन\|2002}} ने अपनी पूर्ण पुस्तक में ध्वनि वैज्ञानिक सिद्धांतों के आधार पर मॉडल चुनने के महत्व पर बल दिया है, जैसे कि घटना संबंधी प्रक्रियाओं या तंत्र(जैसे, रासायनिक प्रतिक्रियाओं) की समझ डेटा अंतर्निहित है।		अनगिनत संभावित तंत्रों और प्रक्रियाओं में से जो डेटा का उत्पादन कर सकते थे, कोई कैसे सबसे ठीक मॉडल चुनना प्रारम्भ कर सकता है? गणितीय दृष्टिकोण सामान्यतः उम्मीदवार मॉडल के समूह के बीच निर्णय लेता है; यह समूह शोधकर्ता द्वारा चुना जाना चाहिए। कम से कम प्रारम्भ में [[बहुपद]] जैसे सरल मॉडल का उपयोग किया जाता है {{Citation needed\|date=September 2017}}। {{harvtxt\|बर्नहैम\|एंडरसन\|2002}} ने अपनी पूर्ण पुस्तक में ध्वनि वैज्ञानिक सिद्धांतों के आधार पर मॉडल चुनने के महत्व पर बल दिया है, जैसे कि घटना संबंधी प्रक्रियाओं या तंत्र(जैसे, रासायनिक प्रतिक्रियाओं) की समझ डेटा अंतर्निहित है।

	एक बार उम्मीदवार मॉडल का समूह चुने जाने के बाद, सांख्यिकीय विश्लेषण हमें इन मॉडलों में से सर्वश्रेष्ठ का चयन करने की अनुमति देता है। सबसे ठीक का तात्पर्य विवादास्पद है। उचित मॉडल चयन तकनीक आसंजन श्रेष्ठता को सरलता के साथ संतुलित करेगी {{Citation needed\|date=September 2017}}। अधिक जटिल मॉडल डेटा को आक्षेप करने के लिए अपने अमाप को ठीक रूप से अनुकूलित करने में सक्षम होंगे(उदाहरण के लिए, पांचवें क्रम का बहुपद छह बिंदुओं को यथार्थ रूप से आक्षेप कर सकता है), परन्तु अतिरिक्त पैरामीटर किसी भी उपयोगी चीज का प्रतिनिधित्व नहीं कर सकते हैं।(संभवतः उन छह बिंदुओं को वस्तुतः सीधी रेखा के विषय में यादृच्छिक रूप से वितरित किया जाता है।) आसंजन श्रेष्ठता सामान्यतः [[संभावना-अनुपात परीक्षण]] दृष्टिकोण, या इसके अनुमान का उपयोग करके निर्धारित की जाती है, जिससे ची-स्क्वेर्ड परीक्षण होता है। सामान्यतः मॉडल में सांख्यिकीय मापदंडों की संख्या की गणना करके जटिलता को मापा जाता है।		एक बार उम्मीदवार मॉडल का समूह चुने जाने के बाद, सांख्यिकीय विश्लेषण हमें इन मॉडलों में से सर्वश्रेष्ठ का चयन करने की अनुमति देता है। सबसे ठीक का तात्पर्य विवादास्पद है। उचित मॉडल चयन तकनीक आसंजन श्रेष्ठता को सरलता के साथ संतुलित करेगी {{Citation needed\|date=September 2017}}। अधिक जटिल मॉडल डेटा को आक्षेप करने के लिए अपने अमाप को ठीक रूप से अनुकूलित करने में सक्षम होंगे(उदाहरण के लिए, पांचवें क्रम का बहुपद छह बिंदुओं को यथार्थ रूप से आक्षेप कर सकता है), परन्तु अतिरिक्त पैरामीटर किसी भी उपयोगी चीज का प्रतिनिधित्व नहीं कर सकते हैं। (संभवतः उन छह बिंदुओं को वस्तुतः सीधी रेखा के विषय में यादृच्छिक रूप से वितरित किया जाता है।) आसंजन श्रेष्ठता सामान्यतः [[संभावना-अनुपात परीक्षण]] दृष्टिकोण, या इसके अनुमान का उपयोग करके निर्धारित की जाती है, जिससे ची-स्क्वेर्ड परीक्षण होता है। सामान्यतः मॉडल में सांख्यिकीय मापदंडों की संख्या की गणना करके जटिलता को मापा जाता है।

	मॉडल चयन तकनीकों को कुछ भौतिक मात्रा के अनुमानक के रूप में माना जा सकता है, जैसे कि दिए गए डेटा का उत्पादन करने वाले मॉडल की संभावना। [[एक अनुमानक का पूर्वाग्रह\|अनुमानक का पूर्वाग्रह]] और विचरण दोनों इस अनुमानक की गुणवत्ता के महत्वपूर्ण उपाय हैं; [[दक्षता (सांख्यिकी)\|दक्षता(सांख्यिकी]]) पर भी प्रायः विचार किया जाता है।		मॉडल चयन तकनीकों को कुछ भौतिक मात्रा के अनुमानक के रूप में माना जा सकता है, जैसे कि दिए गए डेटा का उत्पादन करने वाले मॉडल की संभावना। [[एक अनुमानक का पूर्वाग्रह\|अनुमानक का पूर्वाग्रह]] और विचरण दोनों इस अनुमानक की गुणवत्ता के महत्वपूर्ण उपाय हैं; [[दक्षता (सांख्यिकी)\|दक्षता(सांख्यिकी]]) पर भी प्रायः विचार किया जाता है।
Line 55:		Line 55:
	* वातानाबे-एकाइक सूचना मानदंड(डब्ल्यूएआईसी), जिसे व्यापक रूप से लागू सूचना मानदंड भी कहा जाता है		* वातानाबे-एकाइक सूचना मानदंड(डब्ल्यूएआईसी), जिसे व्यापक रूप से लागू सूचना मानदंड भी कहा जाता है
	* विस्तारित बेयसियन सूचना मानदंड(ईबीआईसी) उच्च पैरामीटर रिक्त स्थान वाले मॉडल के लिए साधारण बायेसियन सूचना मानदंड(बीआईसी) का विस्तार है।		* विस्तारित बेयसियन सूचना मानदंड(ईबीआईसी) उच्च पैरामीटर रिक्त स्थान वाले मॉडल के लिए साधारण बायेसियन सूचना मानदंड(बीआईसी) का विस्तार है।
	* [[विस्तारित फिशर सूचना मानदंड]](~~EFIC~~) रैखिक प्रतिगमन मॉडल के लिए एक मॉडल चयन मानदंड है।		* [[विस्तारित फिशर सूचना मानदंड]](ईएफआईसी) रैखिक प्रतिगमन मॉडल के लिए एक मॉडल चयन मानदंड है।
	* प्रतिबंधित न्यूनतम मानदंड(~~CMC~~) एक ज्यामितीय आधार के साथ प्रतिगमन मॉडल का चयन करने के लिए एक फ़्रीक्वेंटिस्ट मानदंड है।<ref>{{cite journal \|first1=Min \|last1=Tsao \|year=2023 \|title=लॉग-लाइबिलिटी अनुपात और सीमित न्यूनतम मानदंड के माध्यम से प्रतिगमन मॉडल चयन\|journal=Canadian Journal of Statistics \| doi=10.1002/cjs.11756 \|arxiv=2107.08529 \|s2cid=236087375 }}</ref>		* प्रतिबंधित न्यूनतम मानदंड(सीएमसी) एक ज्यामितीय आधार के साथ प्रतिगमन मॉडल का चयन करने के लिए एक फ़्रीक्वेंटिस्ट मानदंड है।<ref>{{cite journal \|first1=Min \|last1=Tsao \|year=2023 \|title=लॉग-लाइबिलिटी अनुपात और सीमित न्यूनतम मानदंड के माध्यम से प्रतिगमन मॉडल चयन\|journal=Canadian Journal of Statistics \| doi=10.1002/cjs.11756 \|arxiv=2107.08529 \|s2cid=236087375 }}</ref>
	इन मानदंडों में, पर्यवेक्षित सीखने की समस्याओं के लिए अंतः वैधीकरण सामान्यतः सबसे यथार्थ और कम्प्यूटेशनल रूप से सबसे ~~बहुमूल्य~~ है।{{cn\|date=May 2021}}		इन मानदंडों में, पर्यवेक्षित सीखने की समस्याओं के लिए अंतः वैधीकरण सामान्यतः सबसे यथार्थ और कम्प्यूटेशनल रूप से सबसे बहुमानित है।{{cn\|date=May 2021}}

	{{Harvtxt\|बर्नहैम\|एंडरसन\|2002\|loc= §6.3}} निम्नलिखित कहते हैं:		{{Harvtxt\|बर्नहैम\|एंडरसन\|2002\|loc= §6.3}} निम्नलिखित कहते हैं:

alpha>Aagman at 13:50, 1 April 2023

2023-04-01T13:50:36Z

Show changes

alpha>Aagman at 03:21, 31 March 2023

2023-03-31T03:21:54Z

Show changes

alpha>Aagman at 02:46, 31 March 2023

2023-03-31T02:46:00Z

Show changes

alpha>Indicwiki: Created page with "{{Short description|Task of selecting a statistical model from a set of candidate models}} {{Multiple issues| {{more footnotes|date=September 2016}} {{More citations needed|da..."

2023-03-21T05:57:02Z

Created page with "{{Short description|Task of selecting a statistical model from a set of candidate models}} {{Multiple issues| {{more footnotes|date=September 2016}} {{More citations needed|da..."

New page

{{Short description|Task of selecting a statistical model from a set of candidate models}}
{{Multiple issues|
{{more footnotes|date=September 2016}}
{{More citations needed|date=February 2010}}
}}

मॉडल चयन प्रदर्शन मानदंड के आधार पर विभिन्न उम्मीदवारों में से एक मॉडल का चयन करने का कार्य है ताकि सर्वश्रेष्ठ का चयन किया जा सके।<ref> {{ cite book | title=The elements of statistical learning | author= Hastie, Tibshirani, Friedman | date=2009| publisher=Springer | pages=195}} </ref>
सीखने के संदर्भ में, यह डेटा दिए गए उम्मीदवार मॉडल के एक सेट से एक [[सांख्यिकीय मॉडल]] का चयन हो सकता है। सरलतम मामलों में, डेटा के पहले से मौजूद सेट पर विचार किया जाता है। हालाँकि, कार्य में प्रयोगों के डिज़ाइन को भी शामिल किया जा सकता है जैसे कि डेटा संग्रह मॉडल चयन की समस्या के अनुकूल हो। समान भविष्य कहनेवाला या व्याख्यात्मक शक्ति के उम्मीदवार मॉडल को देखते हुए, सबसे सरल मॉडल सबसे अच्छा विकल्प होने की संभावना है (ओक्टम का रेजर # विज्ञान और वैज्ञानिक पद्धति। ओकाम का रेजर)।

{{harvtxt|Konishi|Kitagawa|2008|p=75}} राज्य, सांख्यिकीय अनुमान में अधिकांश समस्याओं को सांख्यिकीय मॉडलिंग से संबंधित समस्याओं के रूप में माना जा सकता है। संबंधित, {{harvtxt|Cox|2006|p=197}} ने कहा है, कैसे [] विषय-वस्तु समस्या से सांख्यिकीय मॉडल में अनुवाद किया जाता है, यह अक्सर एक विश्लेषण का सबसे महत्वपूर्ण हिस्सा होता है।

मॉडल चयन [[निर्णय सिद्धांत]] या अनिश्चितता के तहत अनुकूलन के उद्देश्य के लिए कम्प्यूटेशनल मॉडल के एक बड़े सेट से कुछ प्रतिनिधि मॉडल चुनने की समस्या का भी उल्लेख कर सकता है।<ref>{{cite journal |title=निर्णय लेने और अनिश्चितता के तहत अनुकूलन के लिए प्रतिनिधि मॉडल का चयन करने का एक सामान्य तरीका|journal=Computers & Geosciences |date=2016 |volume=96 |pages=109–123 |doi=10.1016/j.cageo.2016.08.002|last1=Shirangi |first1=Mehrdad G. |last2=Durlofsky |first2=Louis J. |bibcode=2016CG.....96..109S }}</ref>
[[ यंत्र अधिगम ]] में, मॉडल चयन के एल्गोरिथम दृष्टिकोण में [[फीचर चयन]], [[हाइपरपैरामीटर अनुकूलन]] और सांख्यिकीय शिक्षण सिद्धांत शामिल हैं।

== परिचय ==

[[File:ObservationCycle.png|right|thumb|वैज्ञानिक अवलोकन चक्र।]]अपने सबसे बुनियादी रूपों में, मॉडल चयन वैज्ञानिक पद्धति के मूलभूत कार्यों में से एक है। अवलोकनों की एक श्रृंखला की व्याख्या करने वाले सिद्धांत का निर्धारण अक्सर उन अवलोकनों की भविष्यवाणी करने वाले गणितीय मॉडल से सीधे जुड़ा होता है। उदाहरण के लिए, जब [[गैलीलियो]] ने गुरुत्वाकर्षण प्रयोगों के अपने अरिस्टोटेलियन सिद्धांत का प्रदर्शन किया, तो उन्होंने प्रदर्शित किया कि गेंदों की गति ने उनके मॉडल द्वारा भविष्यवाणी की गई पैराबोला को फिट किया {{Citation needed|date=September 2017}}.

अनगिनत संभावित तंत्रों और प्रक्रियाओं में से जो डेटा का उत्पादन कर सकते थे, कोई कैसे सबसे अच्छा मॉडल चुनना शुरू कर सकता है? गणितीय दृष्टिकोण आमतौर पर उम्मीदवार मॉडल के एक सेट के बीच निर्णय लेता है; यह सेट शोधकर्ता द्वारा चुना जाना चाहिए। कम से कम शुरुआत में [[बहुपद]] जैसे सरल मॉडल का उपयोग किया जाता है {{Citation needed|date=September 2017}}. {{harvtxt|Burnham|Anderson|2002}} अपनी पूरी पुस्तक में ध्वनि वैज्ञानिक सिद्धांतों के आधार पर मॉडल चुनने के महत्व पर जोर देते हैं, जैसे डेटा के अंतर्निहित घटना संबंधी प्रक्रियाओं या तंत्र (जैसे, रासायनिक प्रतिक्रियाओं) की समझ।

एक बार उम्मीदवार मॉडल का सेट चुने जाने के बाद, सांख्यिकीय विश्लेषण हमें इन मॉडलों में से सर्वश्रेष्ठ का चयन करने की अनुमति देता है। सबसे अच्छा का मतलब विवादास्पद है। एक अच्छी मॉडल चयन तकनीक फिट की अच्छाई को सरलता के साथ संतुलित करेगी {{Citation needed|date=September 2017}}. अधिक जटिल मॉडल डेटा को फिट करने के लिए अपने आकार को बेहतर ढंग से अनुकूलित करने में सक्षम होंगे (उदाहरण के लिए, पांचवें क्रम का बहुपद छह बिंदुओं को सटीक रूप से फिट कर सकता है), लेकिन अतिरिक्त पैरामीटर किसी भी उपयोगी चीज का प्रतिनिधित्व नहीं कर सकते हैं। (शायद उन छह बिंदुओं को वास्तव में एक सीधी रेखा के बारे में बेतरतीब ढंग से वितरित किया जाता है।) फिट की अच्छाई आम तौर पर [[संभावना-अनुपात परीक्षण]] दृष्टिकोण, या इसके एक अनुमान का उपयोग करके निर्धारित की जाती है, जिससे ची-स्क्वेर्ड परीक्षण होता है। आमतौर पर मॉडल में सांख्यिकीय मापदंडों की संख्या की गणना करके जटिलता को मापा जाता है।

मॉडल चयन तकनीकों को कुछ भौतिक मात्रा के अनुमानक के रूप में माना जा सकता है, जैसे कि दिए गए डेटा का उत्पादन करने वाले मॉडल की संभावना। [[एक अनुमानक का पूर्वाग्रह]] और विचरण दोनों इस अनुमानक की गुणवत्ता के महत्वपूर्ण उपाय हैं; [[दक्षता (सांख्यिकी)]] पर भी अक्सर विचार किया जाता है।

मॉडल चयन का एक मानक उदाहरण [[वक्र फिटिंग]] का है, जहां, बिंदुओं का एक सेट और अन्य पृष्ठभूमि ज्ञान दिया गया है (उदाहरण के लिए अंक i.i.d. नमूने का परिणाम हैं), हमें एक वक्र का चयन करना चाहिए जो उस फ़ंक्शन का वर्णन करता है जो अंक उत्पन्न करता है।

== मॉडल चयन की दो दिशाएँ ==
डेटा से अनुमान लगाने और सीखने के दो मुख्य उद्देश्य हैं। एक वैज्ञानिक खोज के लिए है, जिसे सांख्यिकीय अनुमान भी कहा जाता है, अंतर्निहित डेटा-सृजन तंत्र की समझ और डेटा की प्रकृति की व्याख्या। डेटा से सीखने का एक अन्य उद्देश्य भविष्य या अनदेखी टिप्पणियों की भविष्यवाणी करना है, जिसे सांख्यिकीय भविष्यवाणी भी कहा जाता है। दूसरे उद्देश्य में, डेटा वैज्ञानिक आवश्यक रूप से डेटा के सटीक संभाव्य विवरण की चिंता नहीं करता है। बेशक, किसी की दिलचस्पी दोनों दिशाओं में भी हो सकती है।

दो अलग-अलग उद्देश्यों के अनुरूप, मॉडल चयन की भी दो दिशाएँ हो सकती हैं: अनुमान के लिए मॉडल चयन और भविष्यवाणी के लिए मॉडल चयन।<ref name=":0">{{Cite journal|last1=Ding|first1=Jie|last2=Tarokh|first2=Vahid|last3=Yang|first3=Yuhong|date=2018|title=Model Selection Techniques: An Overview|url=https://resolver.caltech.edu/CaltechAUTHORS:20181128-150927005|journal=IEEE Signal Processing Magazine|volume=35|issue=6|pages=16–34|doi=10.1109/MSP.2018.2867638|arxiv=1810.09583|bibcode=2018ISPM...35f..16D |s2cid=53035396|issn=1053-5888}}</ref> पहली दिशा डेटा के लिए सर्वश्रेष्ठ मॉडल की पहचान करना है, जो वैज्ञानिक व्याख्या के लिए अनिश्चितता के स्रोतों का एक विश्वसनीय लक्षण वर्णन प्रदान करेगा। इस लक्ष्य के लिए, यह महत्वपूर्ण रूप से महत्वपूर्ण है कि चयनित मॉडल नमूना आकार के प्रति बहुत अधिक संवेदनशील न हो। तदनुसार, मॉडल चयन के मूल्यांकन के लिए एक उपयुक्त धारणा चयन स्थिरता है, जिसका अर्थ है कि सबसे मजबूत आँकड़े # परिभाषा उम्मीदवार को पर्याप्त रूप से कई डेटा नमूने दिए जाने पर लगातार चुना जाएगा।

दूसरी दिशा उत्कृष्ट भविष्य कहनेवाला प्रदर्शन प्रदान करने के लिए एक मॉडल को मशीनरी के रूप में चुनना है। बाद के लिए, हालांकि, चयनित मॉडल कुछ करीबी प्रतिस्पर्धियों के बीच भाग्यशाली विजेता हो सकता है, फिर भी अनुमानित प्रदर्शन अभी भी सर्वोत्तम संभव हो सकता है। यदि ऐसा है, तो दूसरे लक्ष्य (भविष्यवाणी) के लिए मॉडल का चयन ठीक है, लेकिन अंतर्दृष्टि और व्याख्या के लिए चयनित मॉडल का उपयोग गंभीर रूप से अविश्वसनीय और भ्रामक हो सकता है।<ref name=":0" />इसके अलावा, इस तरह से चुने गए बहुत जटिल मॉडलों के लिए, यहां तक कि पूर्वानुमान भी उन आंकड़ों के लिए अनुचित हो सकते हैं, जिन पर चयन किया गया था।<ref name="adv">{{Cite journal|last1=Su|first1=J.|first2=D.V.|last2=Vargas|first3=K.|last3=Sakurai|title=डीप न्यूरल नेटवर्क्स को बेवकूफ बनाने के लिए वन पिक्सल अटैक|journal=IEEE Transactions on Evolutionary Computation|volume=23|issue=5|pages=828–841|date=2019|doi=10.1109/TEVC.2019.2890858|arxiv=1710.08864|s2cid=2698863 }}</ref>

==उम्मीदवार मॉडलों के सेट को चुनने में सहायता करने के तरीके==
* [[डेटा परिवर्तन (सांख्यिकी)]]
*[[अन्वेषणात्मक डेटा विश्लेषण]]
*[[सांख्यिकीय मॉडल विनिर्देश]]
*वैज्ञानिक विधि

== मानदंड ==
नीचे मॉडल चयन के लिए मानदंडों की एक सूची दी गई है। सबसे अधिक उपयोग किए जाने वाले मानदंड हैं (i) एकाइक सूचना मानदंड और (ii) बेयस कारक और/या बायेसियन सूचना मानदंड (जो कुछ हद तक बेयस कारक का अनुमान लगाते हैं), देखें
{{Harvtxt| Stoica|Selen|2004|}} समीक्षा के लिए।

* आकाइक सूचना मानदंड (एआईसी), एक अनुमानित सांख्यिकीय मॉडल के अनुकूल अच्छाई का एक उपाय
* बेयस कारक
* [[बायेसियन सूचना मानदंड]] (बीआईसी), जिसे श्वार्ज़ सूचना मानदंड के रूप में भी जाना जाता है, मॉडल चयन के लिए एक सांख्यिकीय मानदंड
* ब्रिज मानदंड (बीसी), एक सांख्यिकीय मानदंड जो मॉडल विनिर्देश की उपयुक्तता के बावजूद एआईसी और बीआईसी के बेहतर प्रदर्शन को प्राप्त कर सकता है।<ref>{{Cite journal|last1=Ding|first1=J.|last2=Tarokh|first2=V.|last3=Yang|first3=Y.|date=June 2018|title=Bridging AIC and BIC: A New Criterion for Autoregression|url=https://ieeexplore.ieee.org/document/7953690|journal=IEEE Transactions on Information Theory|volume=64|issue=6|pages=4024–4043|doi=10.1109/TIT.2017.2717599|issn=1557-9654|arxiv=1508.02473|s2cid=5189440}}</ref>
* क्रॉस-वैलिडेशन (सांख्यिकी) | क्रॉस-वैलिडेशन
* [[विचलन सूचना मानदंड]] (डीआईसी), एक अन्य बायेसियन उन्मुख मॉडल चयन मानदंड
* [[झूठी खोज दर]]
* [[केंद्रित सूचना मानदंड]] (एफआईसी), एक चयन मानदंड जो किसी दिए गए फोकस पैरामीटर के लिए उनकी प्रभावशीलता द्वारा सांख्यिकीय मॉडल को क्रमबद्ध करता है
* हन्नान-क्विन सूचना मानदंड, एकैके और बायेसियन मानदंड का एक विकल्प
* [[कश्यप सूचना मानदंड]] (केआईसी) एआईसी और बीआईसी का एक शक्तिशाली विकल्प है, क्योंकि केआईसी फिशर सूचना मैट्रिक्स का उपयोग करता है
* संभावना-अनुपात परीक्षण
* मैलोज का सीपी|मलोज का सी<sub>p</sub>* [[न्यूनतम विवरण लंबाई]]
* [[न्यूनतम संदेश लंबाई]] (एमएमएल)
* प्रेस सांख्यिकी, जिसे प्रेस कसौटी के रूप में भी जाना जाता है
* [[संरचनात्मक जोखिम न्यूनीकरण]]
* [[चरणबद्ध प्रतिगमन]]
* वातानाबे-एकाइक सूचना मानदंड (डब्ल्यूएआईसी), जिसे व्यापक रूप से लागू सूचना मानदंड भी कहा जाता है
* विस्तारित बेयसियन सूचना मानदंड (ईबीआईसी) उच्च पैरामीटर रिक्त स्थान वाले मॉडल के लिए साधारण बायेसियन सूचना मानदंड (बीआईसी) का विस्तार है।
* [[विस्तारित फिशर सूचना मानदंड]] (EFIC) रैखिक प्रतिगमन मॉडल के लिए एक मॉडल चयन मानदंड है।
* प्रतिबंधित न्यूनतम मानदंड (CMC) एक ज्यामितीय आधार के साथ प्रतिगमन मॉडल का चयन करने के लिए एक फ़्रीक्वेंटिस्ट मानदंड है।<ref>{{cite journal |first1=Min |last1=Tsao |year=2023 |title=लॉग-लाइबिलिटी अनुपात और सीमित न्यूनतम मानदंड के माध्यम से प्रतिगमन मॉडल चयन|journal=Canadian Journal of Statistics | doi=10.1002/cjs.11756 |arxiv=2107.08529 |s2cid=236087375 }}</ref>
इन मानदंडों में, पर्यवेक्षित सीखने की समस्याओं के लिए क्रॉस-वैलिडेशन आमतौर पर सबसे सटीक और कम्प्यूटेशनल रूप से सबसे महंगा है।{{cn|date=May 2021}}

{{Harvtxt| Burnham|Anderson|2002|loc= §6.3}}निम्नलिखित कहें:
{{quote|text=There is a variety of model selection methods. However, from the point of view of statistical performance of a method, and intended context of its use, there are only two distinct classes of methods: These have been labeled ''[[Efficiency (statistics)|efficient]]'' and ''[[Consistency (statistics)|consistent]]''. (...) Under the frequentist paradigm for model selection one generally has three main approaches: (I) optimization of some selection criteria, (II) tests of hypotheses, and (III) ad hoc methods.}}

== यह भी देखें ==
{{div col|colwidth=30em}}
* [[सभी मॉडल गलत हैं]]
* [[प्रतिस्पर्धी परिकल्पनाओं का विश्लेषण]]
* [[स्वचालित मशीन लर्निंग]] (ऑटोएमएल)
* बायस-विचरण दुविधा
* फीचर चयन
* फ्रीडमैन का विरोधाभास
* [[ग्रिड खोज]]
* [[पहचान विश्लेषण]]
* [[लॉग-लीनियर विश्लेषण]]
* [[मॉडल पहचान]]
* ओकाम का उस्तरा
* इष्टतम डिजाइन # मॉडल चयन
* [[पैरामीटर पहचान समस्या]]
* [[वैज्ञानिक मॉडलिंग]]
* [[सांख्यिकीय मॉडल सत्यापन]]
* स्टीन का उदाहरण | स्टीन का विरोधाभास
{{div col end}}

==टिप्पणियाँ==
{{Reflist}}

==संदर्भ==
*{{Citation | first1= K. | last1= Aho | first2= D. | last2= Derryberry | first3= T. | last3= Peterson | title= Model selection for ecologists: the worldviews of AIC and BIC | journal= [[Ecology (journal)|Ecology]] | volume= 95 | issue= 3 | pages= 631–636 | year= 2014 | doi=10.1890/13-1452.1| pmid= 24804445 }}
*{{citation | last= Akaike | first= H. | chapter= Implications of informational point of view on the development of statistical science | title= Proceedings of the First US/JAPAN Conference on The Frontiers of Statistical Modeling: An Informational Approach—Volume 3 | editor-first= H. | editor-last= Bozdogan | publisher= [[Kluwer Academic Publishers]] | year= 1994 | pages= 27–38}}
*{{citation|last=Anderson|first=D.R.|year=2008|title=Model Based Inference in the Life Sciences|publisher=Springer|url=https://books.google.com/books?id=DlP_h4aMhiYC|isbn=9780387740751}}
*{{citation|last=Ando|first=T.|year=2010|title=Bayesian Model Selection and Statistical Modeling|publisher=[[CRC Press]]|url=https://books.google.com/books?id=PJzLUEt-VoYC&q=%22Bayesian+Model+Selection+and+Statistical+Modeling%22|isbn=9781439836156}}
*{{citation | last1 = Breiman | first1 = L. | author-link = Leo Breiman | year = 2001 | title = Statistical modeling: the two cultures | journal = [[Statistical Science]] | volume = 16 | pages = 199–231 | doi=10.1214/ss/1009213726| doi-access = free }}
*{{citation|last1=Burnham|first1=K.P.|last2=Anderson|first2=D.R.|year=2002|title=Model Selection and Multimodel Inference: A Practical Information-Theoretic Approach|edition=2nd|publisher=Springer-Verlag|isbn=0-387-95364-7|url-access=registration|url=https://archive.org/details/modelselectionmu0000burn}} [this has over 38000 citations on [[Google Scholar]]]
*{{citation|last=Chamberlin|first=T.C.|year=1890|title=The method of multiple working hypotheses|journal=[[Science (journal)|Science]]|volume=15|issue=366|pages=92–6|doi=10.1126/science.ns-15.366.92|pmid=17782687|bibcode=1890Sci....15R..92.}} (reprinted 1965, ''Science'' 148: 754–759 [https://web.archive.org/web/20161117210123/http://www.d.umn.edu/~mille066/Teaching/3000/Chamberlin-MWH.pdf] {{doi|10.1126/science.148.3671.754}})
*{{Citation | first= G. | last= Claeskens | author-link= Gerda Claeskens | title= Statistical model choice | journal= [[Annual Review of Statistics and Its Application]] | year= 2016 | volume= 3 | issue= 1 | pages= 233–256 | doi= 10.1146/annurev-statistics-041715-033413 | url= https://feb.kuleuven.be/public/ndbaf45/papers/KBI_1521.pdf | bibcode= 2016AnRSA...3..233C }}{{Dead link|date=April 2020 |bot=InternetArchiveBot |fix-attempted=yes }}
*{{citation|last1=Claeskens|first1=G.|author-link2=Nils Lid Hjort|last2=Hjort|first2=N.L.|year=2008|title=Model Selection and Model Averaging|publisher=Cambridge University Press|url=https://books.google.com/books?id=sjQFwB2XEFAC&q=%22Model+Selection+and+Model+Averaging%22|isbn=9781139471800}}
*{{citation|last=Cox|first=D.R.|author-link=David Cox (statistician)|year=2006|title=Principles of Statistical Inference|publisher=Cambridge University Press}}
*{{Citation | first1= J. | last1= Ding | first2= V. | last2= Tarokh | first3= Y. | last3= Yang | title= Model Selection Techniques - An Overview | journal= IEEE Signal Processing Magazine| year= 2018 | volume=35 | issue= 6 | pages= 16–34| doi= 10.1109/MSP.2018.2867638 | arxiv= 1810.09583 | bibcode= 2018ISPM...35f..16D | s2cid= 53035396 | url= https://ieeexplore.ieee.org/document/8498082}}
*{{Citation | first= R.L. | last= Kashyap | author-link= Rangasami L. Kashyap| title= Optimal choice of AR and MA parts in autoregressive moving average models |publisher= IEEE | journal= IEEE Transactions on Pattern Analysis and Machine Intelligence| year= 1982 | volume= PAMI-4 | issue= 2 | pages= 99–104 |doi= 10.1109/TPAMI.1982.4767213 | pmid= 21869012 | s2cid= 18484243 }}
*{{Citation | last1=Konishi | first1=S. | last2= Kitagawa | first2=G. | year=2008 | title=Information Criteria and Statistical Modeling | publisher=Springer|url=https://books.google.com/books?id=3I9ZJusaYh0C| isbn=9780387718866 | bibcode=2007icsm.book.....K }}
*{{citation|last=Lahiri|first=P.|year=2001|title=Model Selection|publisher=[[Institute of Mathematical Statistics]]}}
*{{citation|last1=Leeb|first1=H.|last2=Pötscher|first2=B. M.|year=2009|chapter=Model selection|title=Handbook of Financial Time Series|editor-first=T. G.|editor-last=Anderson|pages=889–925|publisher=Springer|doi=10.1007/978-3-540-71297-8_39|isbn=978-3-540-71296-1}}
*{{Citation |last1=Lukacs |first1=P. M. |first2=W. L. |last2=Thompson |first3=W. L. |last3=Kendall |first4=W. R. |last4=Gould |first5=P. F. Jr.|last5=Doherty |first6=K. P. |last6=Burnham |first7=D. R. |last7=Anderson |year= 2007 |title=Concerns regarding a call for pluralism of information theory and hypothesis testing |journal=[[Journal of Applied Ecology]] |volume=44 |issue=2 |pages=456–460 |doi=10.1111/j.1365-2664.2006.01267.x|s2cid=83816981 }}
*{{citation |first1=Allan D. R. |last1=McQuarrie |first2=Chih-Ling |last2=Tsai |title=Regression and Time Series Model Selection |location=Singapore |publisher=World Scientific |year=1998 |isbn=981-02-3242-X }}
*{{citation|last=Massart|first=P.|year=2007|title=Concentration Inequalities and Model Selection|publisher=Springer|url=https://www.researchgate.net/publication/245759642}}
*{{citation|last=Massart|first=P.|year=2014| chapter= A non-asymptotic walk in probability and statistics| title=Past, Present, and Future of Statistical Science | editor-first=Xihong |editor-last= Lin | publisher=[[Chapman & Hall]] | pages= 309–321|isbn=9781482204988|chapter-url=https://books.google.com/books?id=1H3SBQAAQBAJ&q=%22A+non-asymptotic+walk+in+probability+and+statistics%22&pg=PA309}}
*{{Citation| first= D. J. | last= Navarro | title= Between the Devil and the Deep Blue Sea: Tensions between scientific judgement and statistical model selection | journal= Computational Brain & Behavior | year= 2019 | volume=2 | pages= 28–34 | doi= 10.1007/s42113-018-0019-z| doi-access= free }}
*{{Citation|last1=Resende|first1=Paulo Angelo Alves|last2=Dorea|first2=Chang Chung Yu|title=Model identification using the Efficient Determination Criterion|journal= [[Journal of Multivariate Analysis]] |date= 2016| volume=150|pages=229–244| doi=10.1016/j.jmva.2016.06.002|arxiv=1409.7441|s2cid=5469654}}
*{{Citation | first= G. | last= Shmueli | title= To explain or to predict? | journal= [[Statistical Science]] | year= 2010 | volume= 25 | issue= 3 | pages= 289–310 | doi= 10.1214/10-STS330 | mr= 2791669 | url= http://projecteuclid.org/download/pdfview_1/euclid.ss/1294167961| arxiv= 1101.0891 | s2cid= 15900983 }}
*{{Citation | first1= P. | last1= Stoica | first2= Y. | last2= Selen | title= Model-order selection: a review of information criterion rules | journal= IEEE Signal Processing Magazine | year= 2004 | volume=21 | issue= 4 | pages= 36–47| doi= 10.1109/MSP.2004.1311138 | s2cid= 17338979 | url= http://www.sal.ufl.edu/eel6935/2008/01311138_ModelOrderSelection_Stoica.pdf}}
*{{Citation | first1= E. | last1= Wit | first2= E. | last2= van den Heuvel | first3= J.-W. | last3= Romeijn | title= 'All models are wrong...': an introduction to model uncertainty | journal= Statistica Neerlandica | year= 2012 | volume=66 | issue= 3 | pages= 217–236| url= http://www.philos.rug.nl/~romeyn/paper/2012_wit_et_al_-_all_models_are_wrong.pdf | doi= 10.1111/j.1467-9574.2012.00530.x| s2cid= 7793470 }}
*{{Citation | first1= E. | last1= Wit | first2= P. | last2= McCullagh | title= The extendibility of statistical models | pages= 327–340 | year= 2001 | work= Algebraic Methods in Statistics and Probability | editor-first1= M. A. G. | editor-last1= Viana | editor-first2= D. St. P. | editor-last2= Richards }}
*{{Citation| first1= Anna | last1= Wójtowicz | first2= Tomasz | last2= Bigaj | chapter= Justification, confirmation, and the problem of mutually exclusive hypotheses | doi= 10.1163/9789004312654_009 | publisher= [[Brill Publishers]] | date= 2016 | title= Uncovering Facts and Values | editor1-first= Adrian | editor1-last= Kuźniar | editor2-first= Joanna | editor2-last= Odrowąż-Sypniewska | pages= 122–143| isbn= 9789004312654 }}
*{{Citation| first1= Arash | last1= Owrang | first2= Magnus | last2= Jansson | doi= 10.1109/TSP.2018.2821628 | journal= [[IEEE Transactions on Signal Processing ]] | date= 2018 | title= A Model Selection Criterion for High-Dimensional Linear Regression | pages= 3436–3446| issn= 1941-0476 | volume= 66 | issue= 13 | bibcode= 2018ITSP...66.3436O | s2cid= 46931136 | url= http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-231694 }}
*{{Citation| first1= Prakash | last1= B. Gohain | first2= Magnus | last2= Jansson | doi= 10.1016/j.sigpro.2022.108499 | journal= [[Signal Processing (journal)|Signal Processing]] | date= 2022 | title= Scale-Invariant and consistent Bayesian information criterion for order selection in linear regression models | issn=0165-1684 | volume= 196 | page= 108499 | s2cid= 246759677 | doi-access= free }}
{{Statistics}}
{{Least Squares and Regression Analysis}}
[[Category: मॉडल चयन | मॉडल चयन ]] [[Category: प्रतिगमन चर चयन]] [[Category: गणितीय और मात्रात्मक तरीके (अर्थशास्त्र)]] [[Category: प्रबंधन विज्ञान]]

[[Category: Machine Translated Page]]
[[Category:Created On 21/03/2023]]