En cada tutorial de aprendizaje de máquina encontrarás, hay el campo común "necesita saber x cantidad de estadísticas antes de comenzar este tutorial". Así, utilizando su conocimiento de las estadísticas, usted aprenderá sobre el aprender de máquina.
Mi pregunta es si esto puede ser revertido. ¿Puede aprender un estudiante de informática estadística a través de la máquina estudia algoritmos de aprendizaje? ¿Ha esto se han probado, en todo? ¿Existen ejemplos donde este es el caso ya?
Yo realmente no creo que sea así, ya que hay aspectos fundamentales en las estadísticas que son simplemente pasado por alto en el aprendizaje de máquina. Por ejemplo, en las estadísticas, al ajustar un modelo a los datos, la discrpeancy función que se utiliza (por ejemplo, G^2, RMSEA) es esencial debido a que tienen diferentes propiedades estadísticas. En el aprendizaje de máquina, simplemente, no importa, por lo que no está cubierto en todo.
Por supuesto, uno podría argumentar que usted podría aprender esas cosas, pero en mi humilde opinión, es mejor que se entienda y la atención acerca de algunas cuestiones, y posiblemente en el futuro no se preocupan por ellos, luego la otra manera alrededor.
saludos
No me sugieren el uso de la máquina de aprendizaje para aprender estadística. Las matemáticas empleadas en el aprendizaje de máquina es a menudo diferente porque hay un real énfasis en el algoritmo de cálculo. Aunque el tratamiento de un mismo concepto será diferente.
Un simple ejemplo de esto sería la de comparar el tratamiento de la regresión lineal entre una estadística básica de libros de texto y de una máquina de aprendizaje del libro de texto. La mayoría de la máquina de aprendizaje de los textos de dar un tratamiento pesado a conceptos como "gradiente de la pendiente" y otros optimzation técnicas, mientras que las estadísticas de los libros de texto se suelen cubrir sólo de mínimos cuadrados ordinarios (si eso).
Por último, la máquina de aprendizaje generalmente no cubre el mismo material cuando se trata de cosas como modelo de comparación, toma de muestras, etc. Así, mientras que algunos de los modelos básicos son los mismos, los marcos conceptuales pueden ser muy diferentes.
Es como ese viejo chiste. Cuando se le preguntó para direcciones el filósofo dijo "Bueno, si yo quería ir allí, no empiezo desde aquí..."
Si bien creo que cada "cultura" debe estar abierta al aprendizaje del otro, tienen diferentes maneras de mirar el mundo.
Creo que el problema con las estadísticas a través del estudio de algoritmos de aprendizaje de máquina de aprendizaje es que, mientras que algoritmos ML iniciar con conceptos estadísticos, las estadísticas no arranca con algoritmos y modelos de probabilidad.
Depende de lo que quieres decir.
Me he vuelto más y más en las estadísticas basadas en la exposición a la máquina de aprendizaje. (Anteriormente había sido más que un general de AI individuo, y que no había tenido una buena experiencia con las estadísticas, pero que se adquiera una mayor comprensión y apreciación de las estadísticas como el tiempo ha pasado.) Así que es sin duda útil de la puerta de enlace.
He sido principalmente autodidacta en las estadísticas, sin embargo, y que deja un montón de agujeros. Entiendo y utilizo bastante avanzadas técnicas, pero que no tiene que quedar demasiado lejos de la ruta de acceso a bloquearse, mientras que alguien con una firme base estadística no. Y creo que sería de aplicación en el escenario de uso de la Máquina de Aprendizaje como el camino para aprender estadística: su conocimiento sería frágil.
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
