Busque el problema del desequilibrio de clase en la clasificación binaria. La tasa base de “asesinos en masa” entre la población de todos los usuarios de las redes sociales es un problema ridículamente pequeño. Cualquier clasificador que arroje positivos a cualquier velocidad que valga la pena generará muchos órdenes de magnitud más falsos positivos que verdaderos. Además, si realmente está tratando de predecir de antemano que alguien será un asesino en masa para tomar medidas contra ellos, identificarlos y detenerlos antes de que cometan el delito, por supuesto, significa que nunca se convertirán en un asesino en masa, por lo que es difícil vea cómo incluso evaluaría la precisión de su clasificador. La única forma de demostrar que estabas en lo correcto sería dejar que lo hagan.
Este es, por supuesto, un problema para la aplicación preventiva de la ley en general. Es difícil demostrar que detuvo un delito, pero al menos para las clases de delitos que tienen una tasa base alta, puede comparar las tasas previas y posteriores a la intervención para ver si hay una diferencia significativa más probable que se explique por su intervención que por casualidad. Cuando la tasa base es estadísticamente indistinguible de cero para empezar, no puede hacer eso.
- ¿Cuáles son los beneficios de usar unidades lineales rectificadas frente a la función de activación sigmoidea típica?
- ¿Cuántas imágenes se requieren para las redes adversas generativas (GAN)?
- ¿Qué tensiones tienen entre sí el diseño de productos y el aprendizaje automático?
- ¿Son buenos los cursos de Machine Learning AZ y Deep Learning AZ de Kirill Eremenko en Udemy?
- ¿Hay alguna manera de hacer una clasificación de múltiples etiquetas en los árboles de decisión usando R / Python?