No hay un conjunto particular de algoritmos de Machine Learning que uno pueda usar. Es por la naturaleza de la tecnología de algoritmos. Algunas redes neuronales se pueden utilizar en lugar de algoritmos de “agrupamiento y clasificación” en algunos casos. Depende de la naturaleza de la solución que está diseñando y qué tipo de datos está utilizando. También depende de sus niveles de comodidad con algoritmos particulares.
A veces no es fácil trabajar con redes neuronales, ya que no es posible obtener visibilidad sobre la importancia de las variables involucradas en la red. Dichas redes neuronales se utilizan en modelos de reconocimiento de voz, imagen y dígitos.
Además, a muchas personas les encanta usar algoritmos bayesianos, pero no siempre son las opciones prácticas para crear soluciones. Algunos algoritmos más utilizados son: modelos de series temporales, modelos de regresión lineal / logística, análisis de supervivencia / tasas de falla, algoritmos de agrupamiento y clasificación.
- ¿Cuáles son algunos problemas de nivel intermedio en los que es imprescindible comprender la corrección de los algoritmos (y por qué)?
- ¿Cuáles son los algoritmos gráficos 'imprescindibles' para un programador competitivo?
- ¿Cuál es el mejor algoritmo de extracción de características para comparar dos imágenes?
- ¿Cuál crees que es el algoritmo de aprendizaje automático más inteligente?
- Cómo escribir mi propio algoritmo de cifrado / descifrado
Entonces, precisamente, todo depende de las necesidades de la compañía y del analista para elegir los mejores algoritmos de ajuste. Siempre que uno pueda utilizar algoritmos relevantes y resolver problemas para alcanzar los objetivos más grandes, está bien usar cualquier algoritmo. Siempre es posible ajustar los algoritmos para obtener los resultados deseados.
