Una característica es una propiedad del fenómeno que se está modelando que idealmente tiene cierto poder predictivo. Digamos que desea predecir lo que alguien va a votar en una elección en función de algunos de sus atributos, como la edad, el género, el nivel de educación, el origen étnico, el salario, etc. Estas son todas las características. Entonces, entrevista a mil personas, les pregunta qué van a votar, cuántos años tienen, etc. En base a estos datos, el aprendizaje automático le permite encontrar la relación entre las características y la variable que desea predecir, en este caso, el voto. En el futuro, puede usar este modelo para predecir lo que alguien votará en función de su edad, sexo, salario, etc.
Ahora imagine que algo así como cincuenta de las mil personas que entrevistó estaban dispuestas a compartir su salario actual. Ahora se trata de una característica escasa. Una característica dispersa es simplemente una característica con valores que faltan principalmente. Piense en una hoja de Excel con un montón de columnas, donde una de las columnas tiene algunos valores aquí y allá, pero muchas celdas vacías en el medio.
- Si alguien instala un programa en su computadora sin su conocimiento, ¿cómo puede evitar cualquier posible monitoreo remoto de sus actividades?
- ¿Cuáles son ejemplos de la paradoja del inventor en el diseño de algoritmos?
- ¿Por qué una unidad de CD-ROM congela la computadora durante la aceleración?
- ¿Le parece que el aprendizaje automático y la IA deshumanizan?
- ¿Está muriendo el aprendizaje automático?
