# ノーフリーランチ定理 Created: October 15, 2020 11:36 AM Tags: terminology > David Wolpert の有名な「ノーフリーランチ定理」※30 は、「ただ」では学習 できないと要約できる。これは「ハンマーしか持っていなければ、すべてが釘に見える」※ という Abraham Maslow の有名な言葉を連想させる。たとえば、分類のアルゴリズムにはそれぞれ本質的に特性がある。このため、タスクに何も仮定しなければ、どの分類モデルにも優位性はない。実際に、最も性能のよいモデルをトレーニングして選択するには、少なくとも数種類のアルゴリズムを比較することが不可欠である。ただし、さまざまなモデルを比較する前に、性能を測定するための指標を決定しておく必要がある。よく使用される指標の1つは正解率であり、正しく分類されているインスタンスの割合として定義される。 [[📖Python機械学習プログラミング 達人データサイエンティストによる理論と実践]] p.13 ※ D.H. Wolpert, The Lack of A Priori Distinctions Between Learning Algorithms. Neural computation 8 (7), 1341-1390, 1996 D.H. Wolpert, W.G. Macready, No Free Lunch Theorems for Optimization. IEEE Transactions on Evolutionary Computation, 1(1), 67-82. 1997 > 特定の問題に適した分類アルゴリズムを選択するには、練習が必要である。アルゴリズムにはそ れぞれ癖があり、個々の前提に基づいている。「ノーフリーランチ」定理 ※1 を言い換えるなら、次の ようになる —— あらゆるシナリオに最適なただ 1 つの分類器というものは存在しない。実際には、 いくつかの学習アルゴリズムの性能を比較し、特定の問題に最適なモデルを選択することが常に推 奨される。特徴量やサンプルの個数、データベースでのノイズの量、そしてクラスの線形分離可能 性に関して違いがあるかもしれない。 [[📖Python機械学習プログラミング 達人データサイエンティストによる理論と実践]] p.52