Esta es una especie de pregunta de manzanas contra naranjas. El algoritmo perceptrón es uno de los primeros algoritmos desarrollados para entrenar una red neuronal de capa única. Esto es muy similar a una regresión logística, excepto que la función objetivo no es la misma. El resultado en ambos casos es un clasificador lineal discriminadamente entrenado.
El algoritmo EM es un algoritmo iterativo de entrenamiento de máxima probabilidad para estimar los parámetros de un modelo generativo. El algoritmo se usa comúnmente para la estimación de parámetros del modelo de mezcla gaussiana (GMM) y el modelo oculto de Markov (HMM). El resultado es la estimación de máxima verosimilitud de los parámetros del modelo.
Por lo tanto, a un nivel alto, la diferencia es que el entrenamiento con perceptrón le brinda un clasificador lineal entrenado de forma discriminatoria y el entrenamiento EM le brinda una estimación de probabilidad máxima de los parámetros para un modelo.
- La minería de datos es una versión más fuerte de ajuste de curvas, ¿es correcta?
- ¿Qué implica el e-Discovery?
- ¿Qué es este aprendizaje automático y big data?
- ¿Es posible aplicar la localización de objetos sin tener regiones de caja en la verdad básica?
- ¿Cómo escriben las personas pruebas automatizadas para sus algoritmos estocásticos?
