Exactamente como se aplica a cualquier otro campo. Casi todos los algoritmos de ML siguen este patrón:
- Dame algunas variables. Asumimos:
- Altura de una persona
- Peso de una persona
- Edad de una persona
- Género de una persona
- Le proporcionaré una clasificación / regresión.
- ¿Qué posibilidades hay de que esta persona tenga un ataque cardíaco? (Clasificación binaria)
- ¿Cuántos años vivirá esta persona? (Regresión)
El punto de venta de ML es que para lograr tales resultados uno no tiene que definir algoritmos. Uno simplemente debe proporcionar datos de ejemplo para aprender y la máquina debe aprender.
Por lo tanto, ML puede aplicarse en la contabilidad donde sea que pueda enmarcar un problema en estos términos de entrada-salida y proporcionar ejemplos del comportamiento esperado.
- Neil Lawrence: ¿Qué opinas sobre la relación entre las estadísticas y el aprendizaje automático?
- ¿Qué son los vectores de características basados en cuadros (como se usan en el reconocimiento de voz)?
- ¿Cómo decidimos qué algoritmo usar en el aprendizaje automático?
- ¿Cuáles son los posibles remedios si está atascado en la comprensión de la parte técnica de un trabajo de investigación de STEM?
- Cómo calcular un puntaje usando la prueba de relación de distancia al vecino más cercano en MATLAB