Transforma los parámetros para tener soportes de línea reales pero no sabe cómo afectará eso a la estimación. Además, como señala el documento, la transformación no es única, por lo que debe elegir una sin saber cuál es mejor. Por supuesto, puede generar datos falsos y comparar esas transformaciones, pero realmente, quién sabe cómo serían los datos reales. Carece de soporte matemático en ese sentido.
Aparte de eso, como dice el nombre ADVI, se basa en la ‘diferenciación automática’ que funciona un poco más lento que los derivados codificados a mano. Pero esta parte generalmente se ignora porque el cálculo analítico de derivados a mano lleva mucho tiempo y es mucho más propenso a errores que AD.
Además de la falta de análisis de sensibilidad para las transformaciones de parámetros, creo que es una herramienta ML muy prometedora y flexible para tener en su caja de herramientas.
- Cómo elegir el número de árboles en el aprendizaje automático
- Cómo construir y ejecutar mi primera red de aprendizaje profundo
- ¿Los departamentos de policía en los EE. UU. Usan el aprendizaje automático para encontrar patrones en los datos delictivos?
- ¿Qué curso se sugiere para el aprendizaje automático que sea más un curso basado en proyectos?
- ¿Es un árbol de decisión solo un nombre elegante para una secuencia de declaraciones if-else-if-else -if-else?
