Clasificador vs. modelo vs. estimador

Question

¿Cuál es la diferencia entre un clasificador, un modelo y un estimador?

Por lo que puedo decir:

• un estimador es un predictor encontrado a partir de un algoritmo de regresión
• un clasificador es un predictor encontrado a partir de un algoritmo de clasificación
• un modelo puede ser tanto un estimador como un clasificador

Pero al buscar en Internet, parece que puedo tener estas definiciones mezcladas. Entonces, ¿cuáles son las verdaderas definiciones en el contexto del aprendizaje automático?

Answer 1

• estimador : No es una palabra con una definición rigurosa, pero suele asociarse a la búsqueda de un valor actual en los datos. Si no contáramos explícitamente el cambio en nuestro bolsillo podríamos utilizar una estimación. Dicho esto, en el aprendizaje automático se utiliza con mayor frecuencia junto con la estimación de parámetros o la estimación de la densidad. En ambos casos se asume que los datos que tenemos actualmente vienen en una forma que puede ser descrita con una función. Con la estimación de parámetros, creemos que la función es una función conocida que tiene parámetros adicionales, como la tasa o la media, y podemos estimar el valor de esos parámetros. En la estimación de la densidad puede que ni siquiera tengamos una suposición sobre la función, pero intentaremos estimar la función a pesar de todo. Una vez que tenemos una estimación, podemos disponer de un modelo. El estimador sería entonces el método de generación de estimaciones, por ejemplo el método de máxima verosimilitud .
• clasificador : Se refiere específicamente a un tipo de función (y al uso de esa función) en el que la respuesta (o rango en el lenguaje funcional) es discreta. En comparación, un regresor tendrá una respuesta continua. Existen otros tipos de respuesta, pero estos son los dos más conocidos. Una vez que hemos construido un clasificador, se espera que nos prediga, dentro de un rango finito de clases, qué clase es probable que indique un vector de datos. Por ejemplo, un software de reconocimiento de voz puede grabar una reunión e intentar registrar en un momento dado cuál de las plataformas de la reunión está hablando. Al construir este software, daríamos a cada asistente un número que es nominal y tratar de clasificar a ese número para cada segmento del discurso.
• modelo : El modelo es la función (o conjunto de funciones) que usted puede aceptar o rechazar como representativa de su fenómeno. La palabra proviene de la idea de que se puede aplicar el conocimiento del dominio para explicar/predecir el fenómeno, aunque esto no es necesario. Un modelo no paramétrico puede derivarse por completo de los datos disponibles, pero el resultado suele seguir llamándose modelo. Esta terminología subraya el hecho de que lo que se ha construido cuando se ha construido un modelo no es la realidad, sino sólo un "modelo" de la realidad. Como dijo George Box Todos los modelos son erróneos, pero algunos son útiles ". Disponer de un modelo permite predecir, pero ese puede no ser su objetivo; también puede servir para simular o explicar.

Answer 2

Un estimador es cualquier objeto que aprende de los datos; puede ser un algoritmo de clasificación, regresión o agrupación o un transformador que extrae/filtra características útiles de los datos brutos.

De la documentación de scikit-learn.