यह पत्र मौजूदा मजबूत एल्गोरिदम विकास की सीमाओं को इंगित करता है, जो विशिष्ट वितरणीय बदलावों के अनुभवजन्य सत्यापन के बिना संरचनात्मक मान्यताओं पर निर्भर करता है, और एक अनुभवजन्य रूप से आधारित, डेटा-संचालित दृष्टिकोण का प्रस्ताव करता है। हम अनुभवजन्य जोखिम न्यूनीकरण (ईआरएम) और वितरणीय रूप से मजबूत अनुकूलन (डीआरओ) पद्धतियों की तुलना और विश्लेषण करने के लिए आठ सारणीबद्ध डेटासेट, 172 वितरण जोड़े, 45 विधियों और 90,000 विधि विन्यासों से युक्त एक अनुभवजन्य परीक्षण बेड का निर्माण करते हैं। हमारे विश्लेषण से पता चलता है कि, मौजूदा एमएल साहित्य में आम तौर पर चर्चा की गई X (सहचर) बदलावों के विपरीत, Y|X बदलाव सबसे आम हैं, और यह कि मजबूत एल्गोरिदम पारंपरिक तरीकों से बेहतर प्रदर्शन नहीं करते हैं। डीआरओ पद्धति का गहन विश्लेषण बताता है कि कार्यान्वयन विवरण, जैसे मॉडल वर्ग और हाइपरपैरामीटर चयन अंत में, हम एक केस स्टडी के माध्यम से प्रदर्शित करते हैं कि वितरणात्मक बदलावों की डेटा-संचालित और प्रेरक समझ, एल्गोरिथम विकास के लिए एक नवीन दृष्टिकोण प्रदान कर सकती है।
