fbpx
วิกิพีเดีย

มีดโกนอ็อกคัม

หลักการของออคแคม (อังกฤษ: Ockham's Razor หรือ Occam's Razor) ถูกเสนอโดยวิลเลียมแห่งออคแคม เป็นหลักการหนึ่งในปรัชญาวิทยาศาสตร์ในการเลือกทฤษฎีที่เหมาะสมและตรงกับข้อมูลที่ได้จากการสังเกตหรือการทดลอง

หลักการของออคแคมนี้ถูกนำไปตีความในหลายรูปแบบ โดยนักปรัชญาและนักวิทยาศาสตร์หลายท่าน อย่างไรก็ตาม อาจกล่าวถึงหลักการของออคแคมในรูปแบบที่ง่ายที่สุดได้ว่า: "เราไม่ควรสร้างข้อสมมุติฐานเพิ่มเติมโดยไม่จำเป็น" หรือ "ทฤษฎีไม่ควรซับซ้อนเกินความจำเป็น" นั่นคือในกรณีที่ทฤษฎี หรือคำอธิบายปรากฏการณ์ต่างๆ มากกว่าหนึ่งรูปแบบ สามารถอธิบาย และทำนาย สิ่งที่ได้จากการสังเกตทดลอง ได้เท่าเทียมกัน หรือไม่ต่างกันมาก เราควรจะเลือกทฤษฎีที่ง่ายที่สุด หรือซับซ้อนน้อยที่สุดนั่นเอง

หลักการนี้ได้รับการสนับสนุนอย่างหนักแน่น จากนักวิทยาศาสตร์ชื่อดังหลายท่าน ไม่ว่าจะเป็นอัลเบิร์ต ไอน์สไตน์ หรือกาลิเลโอ กาลิเลอี ที่มองธรรมชาติเป็นสิ่งที่สวยงามดั่งศิลปะ

ตัวอย่างการนำไปใช้

ตัวอย่างที่ดีที่สุด ในการใช้หลักการของออคแคมคือ การที่นักวิทยาศาสตร์ชั้นนำในยุคฟื้นฟูศิลปะวิทยาการเชื่อว่า ทฤษฎีของโคเปอร์นิคัสนั้น น่าเชื่อถือมากกว่า ทฤษฎีโลกเป็นศูนย์กลางของอริสโตเติลและทอเลมี

ในงานวิจัยด้านการเรียนรู้ของเครื่องในปัจจุบัน ได้นำหลักการของออคแคมมาใช้อย่างกว้างขวาง (ดู (Duda et al., 2001), (Mitchel, 1997) และ (Mackay, 2003)) แต่มักจะเข้าใจผิดว่า ทฤษฎีที่มีคำอธิบายสั้น คือทฤษฎีที่เรียบง่ายกว่า

อนึ่ง หลักการของออคแคมนี้ สามารถคำนวณออกมาในเชิงตัวเลข (หรือในเชิงปริมาณ ซึ่งสามารถสื่อสารกันได้อย่างเที่ยงตรงมากกว่าเชิงคุณภาพ) ได้ด้วยการใช้ทฤษฎีความน่าจะเป็นแบบเบย์ ในการอนุมาน (ดู (Mackay, 2003) และ (Jaynes, 2003)) โดยมีหลักการว่าโมเดลที่ซับซ้อนมาก จะมีตัวแปร (ในศัพท์ของทฤษฎีความน่าจะเป็นและสถิติมักเรียก "ตัวแปร" ที่ปรับได้นี้ ว่า "พารามีเตอร์") จำนวนมาก เพื่อให้ปรับค่าได้ยืดหยุ่นมาก ดังนั้นความน่าจะเป็นที่ตัวแปรจำนวนมากนั้น จะปรากฏเป็นค่าที่เข้ากับข้อมูลของเราได้อย่างลงตัวนั้นจึง "น้อย" กว่าโมเดลที่มีตัวแปรน้อย

ความเข้าใจผิดที่พบบ่อย

  1. "โมเดลที่ง่าย จะให้ความถูกต้องเหมาะสมกับข้อมูล มากกว่าโมเดลที่ซับซ้อน" ประโยคนี้ไม่เป็นจริง โดยทั่วไปโมเดลที่ซับซ้อน (มีพารามีเตอร์มากกว่า) จะให้ความถูกต้องกับข้อมูลไม่ด้อยกว่าโมเดลที่เรียบง่าย หลักการของออคแคม แนะนำให้เลือกโมเดลที่ง่าย ในกรณีที่โมเดลที่ซับซ้อน ให้ความถูกต้องได้ไม่ดีกว่าอย่างเห็นได้ชัดเท่านั้น
  2. "โมเดลที่มีคำอธิบายสั้นกว่า คือโมเดลที่ซับซ้อนน้อยกว่า" ประโยคนี้ไม่เป็นจริงเสมอไป เนื่องจากความสั้นยาวของคำอธิบายของโมเดล ขึ้นอยู่กับการเข้ารหัส หรือภาษาที่ใช้อธิบายโดยตรง ดังเช่นในทางคณิตศาสตร์ ถ้าเราจำกัดให้ภาษาของสมการของเรา มีเพียงสมการพหุนามแล้ว เราจำเป็นต้องใช้พจน์ของพหุนามเป็นจำนวนอนันต์ เพื่ออธิบายฟังก์ชันเอกโปเน็นเชียล ในขณะที่ ถ้าภาษาของเรามีค่าคงที่   เราก็จะสามารถอธิบายฟังก์ชันเอกโปเน็นเชียลได้ ด้วยตัวอักษรไม่กี่ตัว อย่างไรก็ตาม แม้ความยาวของทั้งสองสมการจะไม่เท่ากัน แต่สมการทั้งสองก็อธิบายโมเดลเดียวกัน ความยาวของคำอธิบาย จึงไม่สามารถบอกค่าความซับซ้อนของโมเดลได้โดยตรง

อนึ่งในการวัดความเรียบง่ายของ "โมเดล" จาก "คำอธิบายโมเดล" โดยตรง เราจำเป็นต้องใช้การเข้ารหัสแบบครอบจักรวาล (universal encoding) เพื่ออธิบายโมเดลนั้น งานวิจัยในด้านการวัดความซับซ้อนของโมเดลแบบสัมบูรณ์นี้ คืองานวิจัยเรื่องความซับซ้อนแบบโคโมลโกรอฟ ซึ่งถูกเสนอโดยนักคณิตศาสตร์ชื่อดังชาวรัสเซีย แอนเดร โคลโมโกรอฟ ในราวปี ค.ศ. 1960

ดูเพิ่ม

อ้างอิง

  • Morris Kilne. Mathematics for the Non-mathematician. Dover Publication, 1985. อ้างอิงเกี่ยวกับการปฏิวัติของโคเปอร์นิคัส
  • E. T. Jaynes, Chapter 24 in Probability Theory - The logic of science , 1994. เหมาะสำหรับผู้เชี่ยวชาญ
  • David J.C. MacKay (2003) Information theory, inference and learning algorithms, CUP, ISBN 0-521-64298-1, (also available online) เหมาะสมสำหรับผู้เริ่มต้น
  • Domingos, P., "The role of Occam's razor in knowledge discovery," Data Mining and Knowledge Discovery, 3 (4) : 409-425, 1999. อิงข้อผิดพลาดที่มักพบบ่อยแบบที่ 1
  • Richard O. Duda, Peter E. Hart, David G. Stork (2000) Pattern classification (2nd edition), Section 9.6.5, p. 487-489, Wiley, ISBN 0-471-05669-3 ถอดเนื้อหามาจากงานของ Mackay
  • Tom Mitchell. Machine Learning, 1997. หนังสือการเรียนรู้ของเครื่องฉบับมาตรฐานเล่มนี้นำหลักการของออคแคมมาพูดถึงได้เข้าใจง่าย แต่มีข้อเสียคือไม่พูดถึงประเภทของการเข้ารหัส ซึ่งอาจจะทำให้เข้าใจหลักการของออคแคมผิดได้ (ว่าโมเดลที่มีคำอธิบายสั้นคือโมเดลที่เรียบง่าย)

แหล่งข้อมูลอื่น

  • มีดโกนของออคคัม โดย สมเกียรติ ตั้งกิจวานิชย์
  • โปรแกรมจำลองการเคลื่อนไหวของโลกเทียบกับดาวเคราะห์ดวงอื่นๆ ในโมเดลแบบดวงอาทิตย์เป็นศูนย์กลางและโลกเป็นศูนย์กลาง
  • http://www.hyle.org/journal/issues/3/hoffman.htm
  • What is Occam's Razor?
  • Skeptic's Dictionary: Occam's Razor
  • Ockham's Razor 2010-04-19 ที่ เวย์แบ็กแมชชีน, an essay at The Galilean Library on the historical and philosophical implications by Paul Newall.
  • NIPS 2001 Workshop "Foundations of Occam's Razor and parsimony in learning" 2011-07-15 ที่ เวย์แบ็กแมชชีน
  • "We Must Choose The Simplest Physical Theory: Levin-Li-Vitányi Theorem And Its Potential Physical Applications"
  • "Sharpening Ockham's razor on a Bayesian strop" (pdf), by William H. Jefferys and James O. Berger; gives an objective quantification of Occam's razor within Bayesian statistics (with scientific applications)
  • Information Theory, Inference, and Learning Algorithms, by David J.C. MacKay, includes an introductory chapter on the automatic Occam's razor that is embodied by Bayesian model comparison.
  • "Message Length as an Effective Ockham's Razor in Decision Tree Induction", by S. Needham and D. Dowe, Proc. 8th International Workshop on AI and Statistics (2001), pp253-260. (Shows how Ockham's razor works fine when interpreted as MML.)
  • Lloyd's MML pages describe how Minimum Message Length induction extends Ockham's razor for differing hypotheses. (MML is a scale-invariant Bayesian model selection method.)
  • (An extensive bibliography of publications related to Occam's Razor)
  • Occam's sword at wikinfo
  • Simplicity at Stanford Encyclopedia of Philosophy

ดโกนอ, อกค, หล, กการของออคแคม, งกฤษ, ockham, razor, หร, occam, razor, กเสนอโดยว, ลเล, ยมแห, งออคแคม, เป, นหล, กการหน, งในปร, ชญาว, ทยาศาสตร, ในการเล, อกทฤษฎ, เหมาะสมและตรงก, บข, อม, ลท, ได, จากการส, งเกตหร, อการทดลองหล, กการของออคแคมน, กนำไปต, ความในหลายร, ปแบ. hlkkarkhxngxxkhaekhm xngkvs Ockham s Razor hrux Occam s Razor thukesnxodywileliymaehngxxkhaekhm epnhlkkarhnunginprchyawithyasastrinkareluxkthvsdithiehmaasmaelatrngkbkhxmulthiidcakkarsngekthruxkarthdlxnghlkkarkhxngxxkhaekhmnithuknaiptikhwaminhlayrupaebb odynkprchyaaelankwithyasastrhlaythan xyangirktam xacklawthunghlkkarkhxngxxkhaekhminrupaebbthingaythisudidwa eraimkhwrsrangkhxsmmutithanephimetimodyimcaepn hrux thvsdiimkhwrsbsxnekinkhwamcaepn nnkhuxinkrnithithvsdi hruxkhaxthibaypraktkarntang makkwahnungrupaebb samarthxthibay aelathanay singthiidcakkarsngektthdlxng idethaethiymkn hruximtangknmak erakhwrcaeluxkthvsdithingaythisud hruxsbsxnnxythisudnnexnghlkkarniidrbkarsnbsnunxyanghnkaenn caknkwithyasastrchuxdnghlaythan imwacaepnxlebirt ixnsitn hruxkalielox kalielxi thimxngthrrmchatiepnsingthiswyngamdngsilpa enuxha 1 twxyangkarnaipich 2 khwamekhaicphidthiphbbxy 3 duephim 4 xangxing 5 aehlngkhxmulxuntwxyangkarnaipich aekikhtwxyangthidithisud inkarichhlkkarkhxngxxkhaekhmkhux karthinkwithyasastrchnnainyukhfunfusilpawithyakarechuxwa thvsdikhxngokhepxrnikhsnn naechuxthuxmakkwa thvsdiolkepnsunyklangkhxngxrisotetilaelathxelmiinnganwicydankareriynrukhxngekhruxnginpccubn idnahlkkarkhxngxxkhaekhmmaichxyangkwangkhwang du Duda et al 2001 Mitchel 1997 aela Mackay 2003 aetmkcaekhaicphidwa thvsdithimikhaxthibaysn khuxthvsdithieriybngaykwaxnung hlkkarkhxngxxkhaekhmni samarthkhanwnxxkmainechingtwelkh hruxinechingpriman sungsamarthsuxsarknidxyangethiyngtrngmakkwaechingkhunphaph iddwykarichthvsdikhwamnacaepnaebbeby inkarxnuman du Mackay 2003 aela Jaynes 2003 odymihlkkarwaomedlthisbsxnmak camitwaepr insphthkhxngthvsdikhwamnacaepnaelasthitimkeriyk twaepr thiprbidni wa pharamietxr canwnmak ephuxihprbkhaidyudhyunmak dngnnkhwamnacaepnthitwaeprcanwnmaknn capraktepnkhathiekhakbkhxmulkhxngeraidxyanglngtwnncung nxy kwaomedlthimitwaeprnxykhwamekhaicphidthiphbbxy aekikh omedlthingay caihkhwamthuktxngehmaasmkbkhxmul makkwaomedlthisbsxn praoykhniimepncring odythwipomedlthisbsxn mipharamietxrmakkwa caihkhwamthuktxngkbkhxmulimdxykwaomedlthieriybngay hlkkarkhxngxxkhaekhm aenanaiheluxkomedlthingay inkrnithiomedlthisbsxn ihkhwamthuktxngidimdikwaxyangehnidchdethann omedlthimikhaxthibaysnkwa khuxomedlthisbsxnnxykwa praoykhniimepncringesmxip enuxngcakkhwamsnyawkhxngkhaxthibaykhxngomedl khunxyukbkarekharhs hruxphasathiichxthibayodytrng dngechninthangkhnitsastr thaeracakdihphasakhxngsmkarkhxngera miephiyngsmkarphhunamaelw eracaepntxngichphcnkhxngphhunamepncanwnxnnt ephuxxthibayfngkchnexkopennechiyl inkhnathi thaphasakhxngeramikhakhngthi e displaystyle e erakcasamarthxthibayfngkchnexkopennechiylid dwytwxksrimkitw xyangirktam aemkhwamyawkhxngthngsxngsmkarcaimethakn aetsmkarthngsxngkxthibayomedlediywkn khwamyawkhxngkhaxthibay cungimsamarthbxkkhakhwamsbsxnkhxngomedlidodytrngxnunginkarwdkhwameriybngaykhxng omedl cak khaxthibayomedl odytrng eracaepntxngichkarekharhsaebbkhrxbckrwal universal encoding ephuxxthibayomedlnn nganwicyindankarwdkhwamsbsxnkhxngomedlaebbsmburnni khuxnganwicyeruxngkhwamsbsxnaebbokhomlokrxf sungthukesnxodynkkhnitsastrchuxdngchawrsesiy aexnedr okhlomokrxf inrawpi kh s 1960duephim aekikhprchyawithyasastr kareriynrukhxngekhruxng thvsdisarsneths khwamsbsxnaebbokhomlokrxfxangxing aekikhMorris Kilne Mathematics for the Non mathematician Dover Publication 1985 xangxingekiywkbkarptiwtikhxngokhepxrnikhs E T Jaynes Chapter 24 in Probability Theory The logic of science 1994 ehmaasahrbphuechiywchay David J C MacKay 2003 Information theory inference and learning algorithms CUP ISBN 0 521 64298 1 also available online ehmaasmsahrbphuerimtn Domingos P The role of Occam s razor in knowledge discovery Data Mining and Knowledge Discovery 3 4 409 425 1999 xingkhxphidphladthimkphbbxyaebbthi 1 Richard O Duda Peter E Hart David G Stork 2000 Pattern classification 2nd edition Section 9 6 5 p 487 489 Wiley ISBN 0 471 05669 3 thxdenuxhamacakngankhxng Mackay Tom Mitchell Machine Learning 1997 hnngsuxkareriynrukhxngekhruxngchbbmatrthanelmninahlkkarkhxngxxkhaekhmmaphudthungidekhaicngay aetmikhxesiykhuximphudthungpraephthkhxngkarekharhs sungxaccathaihekhaichlkkarkhxngxxkhaekhmphidid waomedlthimikhaxthibaysnkhuxomedlthieriybngay aehlngkhxmulxun aekikhmidoknkhxngxxkhkhm ody smekiyrti tngkicwanichy opraekrmcalxngkarekhluxnihwkhxngolkethiybkbdawekhraahdwngxun inomedlaebbdwngxathityepnsunyklangaelaolkepnsunyklang http www hyle org journal issues 3 hoffman htm What is Occam s Razor Skeptic s Dictionary Occam s Razor Ockham s Razor Archived 2010 04 19 thi ewyaebkaemchchin an essay at The Galilean Library on the historical and philosophical implications by Paul Newall NIPS 2001 Workshop Foundations of Occam s Razor and parsimony in learning Archived 2011 07 15 thi ewyaebkaemchchin We Must Choose The Simplest Physical Theory Levin Li Vitanyi Theorem And Its Potential Physical Applications Sharpening Ockham s razor on a Bayesian strop pdf by William H Jefferys and James O Berger gives an objective quantification of Occam s razor within Bayesian statistics with scientific applications Information Theory Inference and Learning Algorithms by David J C MacKay includes an introductory chapter on the automatic Occam s razor that is embodied by Bayesian model comparison Message Length as an Effective Ockham s Razor in Decision Tree Induction by S Needham and D Dowe Proc 8th International Workshop on AI and Statistics 2001 pp253 260 Shows how Ockham s razor works fine when interpreted as MML Lloyd s MML pages describe how Minimum Message Length induction extends Ockham s razor for differing hypotheses MML is a scale invariant Bayesian model selection method An extensive bibliography of publications related to Occam s Razor Occam s sword at wikinfo Simplicity at Stanford Encyclopedia of Philosophyekhathungcak https th wikipedia org w index php title midoknxxkkhm amp oldid 9580430, wikipedia, วิกิ หนังสือ, หนังสือ, ห้องสมุด,

บทความ

, อ่าน, ดาวน์โหลด, ฟรี, ดาวน์โหลดฟรี, mp3, วิดีโอ, mp4, 3gp, jpg, jpeg, gif, png, รูปภาพ, เพลง, เพลง, หนัง, หนังสือ, เกม, เกม