No hay razón para que la velocidad de la luz tenga un impacto en el aprendizaje automático. Su comprensión del aprendizaje automático es probablemente defectuosa.
El aprendizaje automático es básicamente estadísticas de grandes conjuntos de datos. El objetivo es generalmente tomar un conjunto de datos etiquetados con “resultados”, crear una función que prediga el resultado de esos datos y aplicar esa función a los datos nuevos.
Por ejemplo, es posible que desee aprender a predecir cuánto debería costar una casa en función de la ubicación, los metros cuadrados, el número de habitaciones, etc. En este caso, los atributos como pies cuadrados y número de habitaciones se denominan características, mientras que el resultado es el costo. El objetivo de Machine Learning es encontrar una función que prediga con precisión el resultado en función de las características. No hay una razón real por la que la velocidad de la luz o la computación cuántica tenga un impacto.
- Cómo saber formalmente si una función objetivo es convexa o no convexa
- ¿Qué es una herramienta Weka?
- ¿Cómo se determina la significación estadística para las curvas ROC y los valores de AUC?
- Al predecir un resultado binario, ¿cómo toman en cuenta las personas el orden en que ocurren las entradas?
- ¿Cómo funciona Watson Personality Insights de IBM?
