Makina Öğrenmesinde İstatistik Rolü - mankenler

Çevrimiçi bazı sitelerde istatistiklerin ve makine öğreniminin birbirinden tamamen farklı iki teknoloji olduğuna inanmanız gerekir. Örneğin, İstatistik vs Makine Öğrenimi bölümünü okuduğunuzda kavga edin!, iki teknolojinin sadece farklı değil, aynı zamanda birbirlerine karşı düşman olduğu fikrini alırsınız. Aslında, istatistiklerin ve makine öğreniminin çokça ortak noktası var ve bu istatistikler, makine öğrenimini makul bir hale getiren beş aşiretinden (düşünce okulları) birini temsil ediyor. Beş kavim

• Semboller: Bu kabilenin menşei mantık ve felsefe içindedir. Bu grup, sorunları çözmek için ters indirime dayanır.
• Bağlantı elemanları: Bu kabilenin kökeni sinirbilimdedir. Bu grup sorunları çözmek için geri yayılımcılık üzerine kurulu.
• Evrimciler: Bu kabilenin kaynağı evrimsel biyolojidedir. Bu grup, sorunları çözmek için genetik programlamaya dayanır.
• Bayesian: Bu kabilenin kökeni istatistik içindir. Bu grup problemleri çözmek için olasılıksal çıkarımlara dayanır.
• Analoglar: Bu kabilenin kökeni psikolojidedir. Bu grup, sorunları çözmek için çekirdek makinelerine güvenir.

Makine öğreniminin nihai hedefi, her şeyi öğrenebilen tek bir algoritma (ana algoritma) oluşturmak için beş kabilenin kucaklayan teknolojileri ve stratejileri birleştirmektir. Tabii ki, bu amaca ulaşmak uzun bir yol kat ediyor. Buna rağmen, Pedro Domingos gibi bilim adamları şu anda bu amaca yönelik çalışıyorlar.

Bayesian kabile stratejisini kullanarak, çoğu problemi bir takım istatistiksel analizlerle çözersiniz. Açıklanan diğer kabileler tarafından benimsenen stratejileri görüyorsunuz, ancak istatistiklerle başlamanın başlıca nedeni, teknolojinin zaten iyi kurulmuş ve anlaşılmış olması. Nitekim, birçok istatistik öğesi mühendislik (teorilerin uygulandığı) daha bilim 'dan (teorilerin oluşturulduğu) daha nitelikli olur. Makine öğrenmesindeki algoritmaların rolünü anlamak, makine öğrenmesinin nasıl işlediğini tanımlamak için gereklidir.