Если структура модели совпадает с данными MLE даст лучший результат. Если не совпадает, а в реальности модель это всегда упрощение. MLE может дать непредсказуемые и большие ошибки на моментах от которых зависит прибыль. Из за несоответствия структуры — оптимизатору прийдется куда то запихнуть ошибки несоответствия.
И куда он их запихнет неизвестно, возможно именно в те места которые наиболее важные для прибыли. Решение дополнительно проверять ошибки по важным для прибыли моментам, и если нужно исправить структуру модели. Иногда исправить не получается, и я не нашел ничего лучше чем к MLE добавить наказание по важным моментам.
Это создает проблемы: — Веса наказания прийдется подбирать наугад — Искажается оценка параметров и их неопределенность. — Риск переобучения. Но это допустимые проблемы. А большая ошибка в важных для прибыли моментах которую непредсказуемо может дать MLE критична.
Еще по теме:
Подпишитесь на нашу рассылку, чтобы получать уведомления о новых обновлениях, информации, скидках и т. д.
