Рандомизированное машинное обучение при ограниченных объемах данных: От эмпирической вероятности к э

Проблема извлечения и последующего накопления знаний в конечном счете сводится к знаниям о модели, которые формализуются путем оценивания ее характеристик. Последнее интерпретируется как обучение модели с использованием данных. Современное представление о машинном обучении предполагает, что его результатом являются «обученные» детерминированные модели, снабженные эмпирическими вероятностными оценками их достоверности. В настоящей монографии развивается новое направление в машинном обучении — рандомизированное машинное обучение, которое направлено на генерацию ансамблей энтропийно «обученных» рандомизированных моделей. Если иметь в виду, что процедуры машинного обучения применяются к задачам