Es un poco extraño decir “clasificador supervisado”. La clasificación es un tipo de aprendizaje supervisado solamente. Y también es una pregunta vaga porque hay varios tipos de algoritmos / modelos de clasificación utilizados en el aprendizaje automático como Naive Bayes, Neural Nets, SVM, K-Nearest Neighbour, Gaussian, modelos de mezcla, etc. Estos clasificadores se pueden comparar entre sí. en rendimiento como SVM y Neural Nets supera a otros clasificadores básicos como Naive Bayes y Nearest Neighbour. El modelo de mezcla gaussiana supera en su mayoría a cualquier otro clasificador en el problema de reconocimiento de altavoces. Entonces, el rendimiento es una cuestión de relatividad.
Y, si desea decir por qué la clasificación supera en términos de predicción porque cada modelo está diseñado de tal manera que puede predecir el resultado de los datos dados en función de los datos etiquetados. Cada clasificador utiliza un enfoque matemático o estadístico diferente para lograrlo. Pero, nuevamente, el rendimiento de cualquier clasificador depende de varios factores, como su tipo de datos, la cantidad de datos, sus funciones de costos, etc.
- Si pudiera construir una plataforma de contenido (piense en la entrega de noticias) desde cero con el objetivo de escalar a millones de usuarios, ¿qué infraestructura utilizaría?
- ¿Qué es un uso subestimado del aprendizaje automático?
- ¿Qué sitio web ofrece 'filtrado colaborativo como servicio'?
- ¿Hay algún resumen de las mejores modelos para el premio de Netflix? ¿Cuáles son las ideas de alto nivel e intuitivas detrás de los modelos ganadores que finalmente fueron utilizados en el aprendizaje conjunto por los mejores equipos?
- Con suficiente capacitación, ¿puede el aprendizaje automático escribir una buena historia para un programa de televisión?