Si es posible.
No conozco el procesamiento de imágenes, pero para ML generalmente uso scikit learn. No sé cómo está escrito o funciona honestamente dentro (código exacto)
Así que tomemos el ejemplo de la máquina de vectores de soporte
- ¿Qué enfoques utilizas para vectorizar funciones en Matlab?
- ¿Qué tipo de problemas han funcionado bien con Bayesian Networks?
- ¿El apilamiento de modelos en el aprendizaje automático hace una gran diferencia en los resultados?
- Cómo implementar Inteligencia Artificial en un Proyecto Arduino
- ¿Es posible engañar a un automóvil autónomo para interpretar una señal de alto (como lo percibe el ojo humano) como una señal de velocidad?
Se nos da un conjunto de datos de entrenamiento de n puntos del formulario
aquí b es la distancia desde la mediana (alguna constante), el vector w es un vector perpendicular a la mediana.
Si los datos son linealmente separables como en la imagen de arriba, entonces tratamos de dibujar 2 hiperplanos más paralelos al del medio.
Y ahora intentamos maximizar la distancia entre ellos.
Hasta este punto, la matemática es simple y visualmente en una figura bidimensional, podemos visualizar fácilmente los 2 hiperplanos con la máxima distancia entre ellos.
Ahora, en el momento en que aumentamos la dimensión y comenzamos a introducir una función del núcleo, o los datos no son linealmente separables, empiezo a sentirme incómodo.
¿Significa que dejo de usarlo? no
Nota: – También soy nuevo en Machine Learning y solo estoy probando las aguas. Además, no entiendo las matemáticas, no significa que no estoy tratando de aprenderlas.
No trate de encontrar una excusa para no entender las matemáticas detrás de su trabajo o para saltearlo. Esto está escrito con la intención de que no debe desanimarse al creer que necesita un doctorado en matemáticas antes de continuar con ML.
Fuente:
Soporte de máquina de vectores – Wikipedia
scikit-learn: aprendizaje automático en Python