Los algoritmos clásicos son instrucciones paso a paso de modo que, dada una entrada específica, se puede rastrear y determinar exactamente la salida (ignorar por ahora los algoritmos aleatorios). Puedes pensar que el algoritmo está basado en reglas .
Por ejemplo, supongamos que necesitamos ordenar N números. Podemos escribir instrucciones para que la computadora ordene dichos números. Sabemos exactamente cuál será la salida para el conjunto de N números.
Otro ejemplo, digamos que queremos clasificar un correo electrónico como SPAM o no. Uno puede pensar en algún código que verifica varios casos (por ejemplo, si el correo electrónico menciona dinero o el banco es spam). Digamos que terminamos codificando 75 casos diferentes, de modo que si un correo electrónico satisface a alguno de ellos, entonces es un correo electrónico de SAPM.
- ¿Cuáles son las relaciones entre el aprendizaje de representación y los modelos generativos en el campo de aprendizaje profundo?
- En los modelos gráficos, ¿cuál es la diferencia entre un gráfico de clúster y un gráfico de factores?
- ¿Los programas de software de aprendizaje automático toman riesgos?
- ¿Qué significa estadísticas de coexistencia?
- ¿Cuál es el estado de la técnica de reconocimiento de escritura a mano?
¡Puedes pensar cuán malo es el algoritmo detector de SAPM! No puedes encontrar todos los casos. Incluso si puede encontrarlos, dichas reglas se actualizan todo el tiempo a medida que los spammers cambian sus técnicas.
Ahora el campo de aprendizaje automático viene a ayudar. Le dice que no escriba más instrucciones explícitas. Dame suficientes ejemplos de datos (por ejemplo, 100 mil correos electrónicos y nuestro juicio correcto sobre ellos: ya sea spam o NO spam). El algoritmo ML aprenderá de los datos y codificará dicho detector de spam de forma implícita .
Puede pensar en muchos problemas en los que escribir algoritmo clásico es muy difícil (por ejemplo, dar especificaciones de la casa, predecir su precio … o una imagen clasificada en una de 10 categorías diferentes). Sin embargo, si puede recopilar suficientes datos , el algoritmo de aprendizaje automático puede aprender a encontrar la respuesta implícitamente.
En resumen, el algoritmo de aprendizaje automático puede aprender de los datos, mientras que los algoritmos clásicos especifican las reglas exactas para encontrar la respuesta general. Ambos estilos son importantes para nuestro mundo. Por ejemplo, en la práctica, nadie usará el algoritmo de aprendizaje automático para ordenar N números y nadie escribirá un algoritmo explícito caso por caso para implementar el detector de SPAM.