TL; DR: ¿Te ayudarán más datos? En estadísticas: tal vez. Dependiendo de qué es exactamente lo que está tratando de mejorar la precisión de.
Ya que también solicita estadísticas, entonces sí las hay. Si tiene muchas mediciones independientes pero inciertas de algún valor, puede combinarlas para obtener una mejor estimación que si solo tuviera unas pocas mediciones.
Para complicarlo un poco, los estadísticos tienden a distinguir entre “precisión” y “exactitud” [1, 2] y, a menudo, es solo la “precisión” lo que mejora. Pero en cualquier caso: ¡más datos ayudan! Para una fórmula concreta, por ejemplo, puede referirse al “error estándar” [3] y calcular cómo disminuye la desviación estándar a medida que agrega más puntos de datos.
- ¿Cuáles son algunas posibles aplicaciones sanitarias del aprendizaje automático?
- ¿Cuáles son las estrategias de vanguardia para el reconocimiento de intención (plan) relacionadas con la comprensión del lenguaje natural?
- A la larga, ¿deberían las computadoras adaptarse a los humanos o los humanos deberían adaptarse a las computadoras?
- ¿Por qué Harvard CS no es muy apreciado incluso si el programa produce relativamente más premios Turing que MIT, Stanford, Berkeley?
- ¿Qué debo elegir entre CS en KIIT y CCE del campus principal de Manipal Instittute of Technology?
Hasta aquí todo bien. Pero esto fue solo una tarea de medición. Para un problema de interpolación, que está más cerca de lo que a menudo realiza el aprendizaje automático, un estadístico puede hacer una interpolación polinómica. Pero hay un número infinito de polinomios que se ajustarán igualmente a su conjunto de datos [4]. ¿Qué tan bien se ajustará la interpolación a puntos de datos invisibles? ¿Quién puede decirlo?
Los teoremas más ampliamente aplicables que se ocupan de este problema, y que es muy aplicable al aprendizaje automático, son los famosos teoremas de No Free Lunch [5,6].
[1] Precisión y precisión
[2] Precisión y precisión
[3] Error estándar
[4] http://math.stackexchange.com/qu…
[5] Sin teorema del almuerzo gratis
[6] No hay teoremas de almuerzo gratis