作为一个自然的方式来确定的目标数的先验分布是不可用时的最小描述长度（MDL）准则，Rissanen（1983）是第一选择。然而，它示出，MDL准则借给高估的目标数目，并因此提出的修改标准。
基于114个网页-相关网页
我们以最小描述长度的原理为基础构造了目标函数。
We construct an objective function based on Minimum Description Length (MDL).
我们采用最小描述长度(MDL)原理来进行模型估值。
We employ the Minimum Description Length (MDL) principle for model estimation.
在树的修剪阶段，采用了一种基于最小描述长度原理的修剪算法。
A pruning algorithm based on the principle of Minimum Description Length is applied in the tree-pruning phase.
最小描述长度原则是将奥卡姆剃刀形式化后的一种结果。其想法是，在给予假说的集合的情况下，能产生最多资料压缩效果的那个假说是最好的。它是在1978年由Jorma Rissanen所引入的。在信息论和计算机学习理论中，最小描述长度原则是个重要观念。 任一资料集都可以由一有限（譬如说，二进制制的）字母集内符号所成的字串来表示。"最小描述长度原则背后的基本想法是：在任一给定的资料集内的任何规律性都可用来压缩。亦即在描述资料时，与逐字逐句来描述资料的方式相比，能使用比所需还少的符号"（Grünwald, 1998。见底下的链结）。既然我们希望选取到的假说能抓到资料中最多的规律，于是我们则寻找压缩效果最佳的假说。
应用推荐