Pues sí, pero …
Si la moneda es completamente justa , las probabilidades de cara o cruz son ambas del 50%. Su predicción sería equivalente a una suposición aleatoria.
Si sabe que la moneda es injusta , puede predecir el resultado más probable. Digamos que la probabilidad de caras siempre es del 51%. Siempre predecirías cabezas. Su modelo ahora es mucho mejor que una suposición aleatoria. Pero no necesitas aprendizaje automático para eso. Simplemente puede calcular las frecuencias de cara y cruz en los datos históricos y basar sus predicciones en eso.
- ¿Cómo se glorifican los métodos del kernel en la coincidencia de plantillas?
- No tengo dinero para comprar una computadora poderosa, ¿cómo puedo aprender en la GPU?
- ¿Cuál es la relación de la función objetivo de muestreo negativo con la función objetivo original en word2vec?
- En el aprendizaje profundo, ¿cómo clasifica una imagen como desconocida?
- ¿Crees que los algoritmos de aprendizaje automático pueden cambiar la forma en que hacemos simulaciones numéricas?
Si sabe que los resultados cambian según ciertas condiciones, podría hacer un modelo más complejo. Digamos que el resultado depende de la posición inicial de la moneda, la superficie de aterrizaje, la elevación y el giro del lanzamiento. Ahora tiene cuatro funciones para crear un modelo.
Siendo realistas, ninguno de estos modelos sería útil. Los lanzamientos de monedas son en su mayoría procesos aleatorios.