Un modelo es una representación de alguna realidad. Un modelo matemático es generalmente una función que representa una realidad usando números. Por ejemplo, el teorema de Pitágoras es un modelo que describe la relación entre los 3 lados de un triángulo rectángulo.
Para aclarar el significado del modelado desde una perspectiva de aprendizaje automático, considere el trabajo de un dibujante criminal. Su trabajo es básicamente escuchar la descripción de los testigos y elaborar un bosquejo del criminal. Aquí el artista es el algoritmo. Puede considerar la descripción de los testigos como los datos y el boceto que se le ocurre como modelo. Mejor los datos, más preciso es el modelo.
Esto es básicamente modelado estadístico. El aprendizaje automático de hoy es una nueva y elegante marca del reconocimiento de patrones. Todos los algoritmos utilizan algún tipo de análisis de regresión en los datos de entrenamiento para obtener un modelo. El enfoque puede ser frequentista o bayesiano. La constante subyacente es siempre Estadísticas.
- ¿Cuál es la mejor inversión AI o sostenibilidad?
- ¿Podría Ultron derrotar a Skynet?
- Al entrenar un modelo de Deep Learning, ¿importa la secuencia o el orden de las muestras en los datos de entrenamiento?
- Cómo hacer mi propio JARVIS
- Cómo crear un avatar con IA
Entonces, técnicamente, no hay modelado no estadístico en el aprendizaje automático.