¡Si! Imagina que estás lanzando una moneda sesgada que tiene una probabilidad de caer en colas del 60%. Este es un entorno aleatorio y desea predecir si la próxima moneda caerá en cruz o cara. Con una gran cantidad de datos anteriores, su algoritmo de aprendizaje automático podrá decir que la próxima moneda caerá en cruz con un 60% de probabilidad. Esto no parece realmente útil, pero debido al entorno aleatorio, ¡es lo mejor que puedes hacer!
Sin embargo, a menudo no usaría el aprendizaje automático en entornos aleatorios. De hecho, el Aprendizaje automático está intentando en algún sentido “automáticamente” (matemáticamente sería más correcto) encontrar patrones en sus datos. Si su entorno es completamente aleatorio, entonces, por definición, no hay patrones. Por lo tanto, puede aplicar un algoritmo de aprendizaje automático pero, en el peor de los casos, “verá” los patrones que no existen y, en el mejor de los casos, no verá nada (y predecirá el uso del promedio como en el ejemplo anterior).
- ¿Cuáles son las aplicaciones de la informática afectiva en los negocios electrónicos?
- ¿Cuáles son algunas ideas de proyectos para estudiantes universitarios relacionadas con el aprendizaje automático y el IoT?
- Cómo escribir la palabra 'K' cuando el botón 'K' de mi teclado está muerto
- ¿Cómo se puede entender qué es realmente IPv6 y cómo funciona?
- ¿Cómo es útil una computadora?
