Descubrí que los problemas de escala en SVM (Support Vector Machine) realmente mejoran su rendimiento
Hay una palabra en la aplicación del algoritmo de aprendizaje automático, ‘basura adentro, basura afuera’. Cuanto más reflejo real de sus características, más precisión obtendrá su algoritmo. Eso también se aplica a cómo los algoritmos de aprendizaje automático tratan la relación entre las características. A diferencia del cerebro humano, cuando los algoritmos de aprendizaje automático clasifican, por ejemplo, todas las características se expresan y calculan mediante el mismo sistema de coordenadas, que, en cierto sentido, establece una suposición a priori entre las características (no es realmente un reflejo de los datos en sí). Y también la naturaleza de la mayoría de los algoritmos es encontrar el porcentaje de peso más apropiado entre las características para ajustar los datos. Entonces, cuando la entrada de estos algoritmos son características sin escala, los datos a gran escala tienen más influencia en el peso. En realidad, no es el reflejo de los datos en sí.
2. ¿ Por qué las funciones de escala mejoran la precisión?
La práctica común en los algoritmos de aprendizaje automático no supervisados sobre la selección de hiperparámetros (o hiperparámetros) (por ejemplo, proceso de Dirichlet jerárquico, hLDA) es que no debe agregar ninguna suposición subjetiva personal sobre los datos. La mejor manera es simplemente asumir que tienen la probabilidad de igualdad de aparecer. Creo que se aplica aquí también. El escalado de características solo intenta suponer que todas las características tienen la oportunidad de igualdad para influir en el peso, lo que realmente refleja la información / conocimiento que conoce sobre los datos. Comúnmente también resultan en una mejor precisión.
- ¿Puede AI tocar el piano como un pianista?
- ¿Cuánto tiempo pasará antes de que la inteligencia artificial se haga cargo? ¿Crees que sucederá en 2047, tal vez?
- ¿Qué avances deben ocurrir en ingeniería para permitir robots humanoides avanzados? ¿Cuándo ocurrirán esos avances?
- ¿Cómo funcionan los juegos con una gran cantidad de artículos de IA, mapas y coleccionables? Por ejemplo, AOE. Puede que no sean visibles en la pantalla, pero seguirán consumiendo recursos.
- ¿Qué pasaría si los robots reemplazan a nuestros políticos?
