Aunque el aprendizaje automático hoy en día es una palabra de moda, tiene sus raíces en múltiples dominios, más fuertemente en estadística, álgebra, teoría de probabilidad y sistemas de software. Muy brevemente, la esencia clave del aprendizaje automático es el hecho de que puede asumir ciertas cosas acerca de sus datos, y luego modelar los datos en consecuencia para construir una buena representación, y luego usar la representación para hacer predicciones .
Suponga que tiene algunos datos, que en general son una colección de mediciones o cantidades derivadas obtenidas de una fuente. Los profesionales del aprendizaje automático, primero, definieron un problema
- Asumir algunas propiedades
- Escriba un modelo que respete estas propiedades y resuelva aproximadamente el problema.
- Optimiza el modelo de modo que explique mejor los datos vistos.
- Predice y espera que le vaya bien
Muchos de los modelos y métodos populares de aprendizaje automático tuvieron su origen en otros campos, como las matemáticas y las estadísticas. Por ejemplo, los métodos de regresión han sido conocidos por los estadísticos y economistas. Las redes de Bayes derivan su nombre de Bayes , el reconocido estadístico. El modelo de red neuronal tiene su origen en el modelo de McCulloch & Pitts en biofísica matemática (red neuronal artificial). Lo que el aprendizaje automático ha visto en los últimos años, en mi opinión, es una segunda venida, donde muchos de estos modelos y métodos se están formalizando matemáticamente para comprender mejor su funcionamiento, así como para probar ciertas declaraciones lógicas sobre ellos.
- ¿Qué es una explicación intuitiva de lo que significa que un espacio de hipótesis rompa un conjunto de puntos?
- ¿Cuáles son los lenguajes de nivel de máquina?
- ¿Cuál es la diferencia entre el análisis de opinión y el análisis de tonalidad?
- ¿Auto-sklearn es realmente mejor que un clasificador único optimizado por hiperparámetro? ¿Tienes experiencia con esto?
- ¿Qué es el análisis de componentes principales y cuántas variables se pueden usar para PCA?
Con estos aspectos en mente, creo que las matemáticas necesarias no son muy elaboradas y se resumen bastante bien en la respuesta de Stephen Lee a ¿Cómo aprenden los algoritmos de aprendizaje automático de los datos?