Actualización : el algoritmo avanzado de aprendizaje automático de hoy todavía está muy atrasado en inteligencia de los mejores cerebros humanos de su tiempo hace unos cientos de años.
Por lo tanto, determinar la diferencia exacta entre las entidades en cuestión no es posible a partir de hoy (2016).
Kepler obtuvo su teoría mediante el análisis de datos parciales que le dio Brahe. Brahe solo le dio datos de Marte porque era muy difícil de entender en ese momento. Fue contra la creencia popular de esa época que las órbitas son círculos. Porque la órbita de Marte es más elíptica.
Entonces, por casualidad, Kepler recibió los datos más correctos para hacer un modelo generalizado.
- ¿Cómo se puede utilizar la máquina de Boltzmann restringida en problemas de clasificación?
- ¿Por qué los científicos no definen la inteligencia de tal manera que pueda implementarse artificialmente en un software, como si pudiéramos crear luz artificialmente?
- Cómo llamar a clasificadores y conjuntos de datos de WEKA a Netbeans IDE 7.1
- ¿Qué son los datos estructurados en el contexto del aprendizaje automático?
- Con suficiente capacitación, ¿puede el aprendizaje automático escribir una buena historia para un programa de televisión?
Diferencia 1.
Kepler podría no haber identificado la teoría correcta, si los datos marcianos no hubieran representado el mejor caso más exagerado.
En Machine Learning, se enfatiza el uso de un gran conjunto de datos diversos que pueden no ser solo el mejor (que representa el caso más general). Entonces, los datos reales se mezclan.
Diferencia 2.
Para empezar, Kepler tenía algunas creencias (hipótesis) en mente.
En Machine Learning, no parte de las creencias.
Diferencia 3.
Si aplicamos el aprendizaje no supervisado en todos los datos orbitales de todos los planetas, podemos encontrar múltiples grupos … Uno que representa el comportamiento de elipse y otro circular.
