ম্যাকসেন্ট এবং বয়েসিয়ান অনুমানের পদ্ধতিগুলি আপনার মডেলিং পদ্ধতিতে তথ্য অন্তর্ভুক্ত করার বিভিন্ন পদ্ধতির সাথে সমান। উভয়কে অ্যাক্সিয়োমেটিক গ্রাউন্ডে রাখা যেতে পারে (জন স্কিলিংয়ের "এক্সিমিয়ামস অফ ম্যাক্সিমাম এন্ট্রপি" এবং কক্সের "সম্ভাব্য অনুক্রমের বীজগণিত" )।
আপনার পূর্ববর্তী জ্ঞানটি যদি আপনার অনুমানের জায়গার উপরে একটি পরিমাপযোগ্য বাস্তব-মূল্যবান ফাংশন আকারে আসে, যাকে "পূর্ব" বলা হয় সে ক্ষেত্রে প্রয়োগ করা সহজ es যখন তথ্যটি আপনার হাইপোথিসিস স্পেসে কঠোর সীমাবদ্ধতার সেট হিসাবে আসে তখন ম্যাকসেন্ট সোজা থাকে। সত্যিকারের জীবনে, জ্ঞান "পূর্ব" আকারে বা "সীমাবদ্ধতা" আকারে আসে না, সুতরাং আপনার পদ্ধতির সাফল্য আপনার রূপটি সম্পর্কিত আকারে আপনার জ্ঞান উপস্থাপনের ক্ষমতার উপর নির্ভর করে।
খেলনা সমস্যার ক্ষেত্রে, বায়েশিয়ান মডেলটির গড় গড় আপনাকে সর্বনিম্ন গড় লগ-ক্ষতি (অনেকগুলি মডেলের আঁকতে গড়) দেয় যখন পূর্বের অনুমানের সত্যিকারের বিতরণটির সাথে মেলে। ম্যাক্সেন্টের পদ্ধতি আপনাকে সর্বাধিক খারাপ-ক্ষেত্রে লগ-ক্ষতি দেয় যখন তার সীমাবদ্ধতাগুলি সন্তুষ্ট হয় (সমস্ত সম্ভাব্য প্রিজনীর চেয়ে খারাপ গ্রহণ করা)
"ম্যাক্সেন্ট" পদ্ধতির জনক হিসাবে বিবেচিত ইটিজেয়েনসও বায়েশিয়ান পদ্ধতিতে নির্ভর করেছিলেন। উপর পৃষ্ঠা 1412 তাঁর বই , তিনি একটি উদাহরণ যেখানে Bayesian পদ্ধতির একটি ভাল সমাধান ফলে, একটি উদাহরণ দ্বারা অনুসরণ যেখানে Maxent পদ্ধতির আরো স্বাভাবিক দেয়।
সর্বাধিক সম্ভাবনাটি মূলত মডেলটিকে কিছু প্রাক-নির্ধারিত মডেলের জায়গার অভ্যন্তরে শুয়ে থাকে এবং এটি "যথাসম্ভব কঠিন" এমন এক অর্থে ধরে রাখার চেষ্টা করে যে এরূপ মডেল বাছাইয়ের পদ্ধতিগুলির মধ্যে সীমাবদ্ধ সমস্ত মডেল-বাছাইয়ের পদ্ধতিগুলির মধ্যে ডেটাতে সর্বোচ্চ সংবেদনশীলতা থাকবে স্থান। ম্যাকসেন্ট এবং বায়েশিয়ান ফ্রেমওয়ার্ক হিসাবে, এমএল হ'ল একটি কংক্রিট মডেল ফিটিং পদ্ধতি, এবং কিছু নির্দিষ্ট নকশার পছন্দগুলির জন্য, এমএল বায়েশিয়ান বা ম্যাকসেন্ট পদ্ধতির বাইরে আসা পদ্ধতিটি শেষ করতে পারে। উদাহরণস্বরূপ, সাম্য সীমাবদ্ধতার সাথে ম্যাকসেন্ট একটি নির্দিষ্ট ঘাতক পরিবারের সর্বোচ্চ সম্ভাবনার ফিটির সমতুল্য। একইভাবে, বায়েশিয়ান ইনফারেন্সের একটি আনুমানিকতা সর্বাধিক সম্ভাবনার সমাধানকে নিয়মিত করতে পারে। আপনি যদি সিদ্ধান্তে উপাত্তকে সর্বাধিক সংবেদনশীল করে তুলতে আপনার পূর্বেটি বেছে নেন, বায়েশিয়ান অনুমানের ফলাফলটি সর্বাধিক সম্ভাবনার উপযুক্ততার সাথে মিলবে। এই ক্ষেত্রে,পি বের্নুলির বিচারের উপর, এই ধরনের পূর্বে হবে সীমিত বন্টন বিটা (0,0)
রিয়েল-লাইফ মেশিন লার্নিং সাফল্যগুলি প্রায়শই বিভিন্ন দর্শনের মিশ্রণ। উদাহরণস্বরূপ, "র্যান্ডম ক্ষেত্রগুলি" ম্যাকসেন্ট নীতি থেকে উদ্ভূত হয়েছিল । ধারণার সর্বাধিক জনপ্রিয় বাস্তবায়ন, নিয়মিত সিআরএফ, পরামিতিগুলিতে একটি "পূর্ব" যুক্ত করা জড়িত। ফলস্বরূপ, পদ্ধতিটি আসলে ম্যাক্সেন্ট বা বায়েশিয়ান নয়, তবে উভয় বিদ্যালয়ের দ্বারা প্রভাবিত।
আমি এখানে এবং এখানে বয়েসিয়ান এবং ম্যাকসেন্ট পদ্ধতির দার্শনিক ভিত্তির কয়েকটি লিঙ্ক সংগ্রহ করেছি ।
পরিভাষায় নোট: কখনও কখনও লোকেরা তাদের পদ্ধতিটিকে বায়েসিয়ান বলে কেবল যদি এটি কোনও পর্যায়ে বেয়েস বিধি ব্যবহার করে। একইভাবে, "ম্যাক্সেন্ট" কখনও কখনও এমন কোনও পদ্ধতির জন্য ব্যবহৃত হয় যা উচ্চ এনট্রপি সমাধানের পক্ষে হয়। এটি উপরে বর্ণিত হিসাবে "ম্যাক্সেন্ট আনসারেন্স" বা "বায়সিয়ান ইনফারেন্স" এর মতো নয়