محققان در یک پژوهش تئوریک جدید، یکی از سوالات بنیادین در حوزه «تحلیل دادههای تطبیقی» (Adaptive Data Analysis) را پاسخ دادهاند. تا به حال این سوال مطرح بود که آیا برای جلوگیری از بیشبرازش (Overfitting) در مدلها، حتماً نیاز به استفاده از تصادف و احتمالات داریم یا نه؟
این مطالعه نشان میدهد که برای تحلیلگرانِ بدون محدودیت محاسباتی، استفاده از تصادف نه تنها یک انتخاب، بلکه یک ضرورت مطلق است تا بتوان پرسشهای آماری را به درستی و بدون خطای اکتشاف کاذب پاسخ داد. این یافته جدید، درک ما از محدودیتهای سیستمهای یادگیری ماشین را وارد فاز جدیدی میکند. 🧠📊
منبع: arXiv Machine Learning