¿Qué otros algoritmos de aprendizaje automático, además del aprendizaje profundo, se aplican ampliamente en aplicaciones comerciales?

Los árboles de decisión en varias formas (incluidos los bosques potenciados, adaptables y degradados, en bolsas y aleatorios) siguen siendo muy populares: son mucho más simples de construir que los algoritmos de aprendizaje profundo (que son difíciles de construir). Los árboles de decisión son lo más parecido al aprendizaje automático “plug and play”: se manejan bien con distribuciones extrañas, y si se trata de una simple tarea supervisada de clasificación o regresión con un número razonable de atributos, son difíciles de superar. También se usan en lugares sorprendentes porque son agradables y rápidos, por ejemplo, Microsoft lo usa para clasificar las partes del cuerpo en el Kinect. Vea este documento realmente interesante. También se utilizan mucho en el comercio de alta frecuencia.

La regresión logística y lineal también se usa ampliamente cuando tiene sentido hacerlo, y son lo suficientemente expresivos.

Los enfoques bayesianos también se usan ampliamente, pero tienden a estar en dominios más específicos. Por ejemplo, los filtros de spam generalmente se crean como una bolsa de palabras + Bayes ingenuos (aunque están comenzando a usar el aprendizaje profundo más).

Por el momento, el aprendizaje profundo no se aplica tanto en aplicaciones comerciales. La mayoría de las empresas que realmente han implementado soluciones de aprendizaje profundo tienden a concentrarse en la industria de alta tecnología. Sin embargo, fuera de la alta tecnología, el aprendizaje profundo está pasando por la etapa de investigación y experimentación, o ni siquiera se está explorando en absoluto. La adopción del aprendizaje profundo probablemente aumentará en el futuro a medida que la potencia informática se vuelva más barata y más empresas se sientan cómodas con sus complejidades. Pero por ahora su uso comercial no está tan extendido como los algoritmos de modelado más tradicionales.

Entonces, ¿qué clase de algoritmos más utilizados en la industria hoy en día? Mi suposición sería modelos lineales generalizados (GLM), por ejemplo, regresión logística, lineal y de Poisson. Estos algoritmos son muy atractivos porque son fáciles de interpretar, se pueden entrenar y ajustar rápidamente, son fáciles de implementar, se generalizan bien y pueden ser sorprendentemente buenos en la predicción en algunos casos. Es por eso que las técnicas GLM han existido durante muchas décadas y aún se mantienen firmes contra los algoritmos más nuevos y más modernos.