Sınıflandırıcı ve model ve tahminci

Sınıflandırıcı, model ve kestirimci arasındaki fark nedir?

Ne söyleyebilirim:

• bir tahminci regresyon algoritmasından elde edilen bir yordayıcıdır
• bir sınıflandırıcı, bir sınıflandırma algoritmasından bulunan bir yordayıcıdır
• bir model hem bir tahmin edici hem de bir sınıflandırıcı olabilir

Ancak çevrimiçi görünmekten, bu tanımların karışık olabileceği anlaşılıyor. Peki, makine öğrenimi bağlamındaki gerçek tanımlar nelerdir?

• tahminci: Bu, titiz bir tanımı olan bir kelime değildir, ancak genellikle verilerde geçerli bir değer bulma ile ilişkilidir. Cebimizdeki değişikliği açıkça saymasaydık bir tahmin kullanabiliriz. Bununla birlikte, makine öğreniminde en sık parametre tahmini veya yoğunluk tahmini ile birlikte kullanılır. Her iki durumda da, elimizdeki verinin bir işlevle tanımlanabilecek bir biçimde geldiği varsayımı vardır. Parametre tahmininde, fonksiyonun hız veya ortalama gibi ek parametrelere sahip bilinen bir fonksiyon olduğuna inanıyoruz ve bu parametrelerin değerini tahmin edebiliriz. Yoğunluk tahmininde fonksiyon hakkında bir varsayım bile olmayabilir, ancak fonksiyonu ne olursa olsun tahmin etmeye çalışacağız. Bir tahminimiz olduğunda elimizde bir model olabilir.maksimum olasılık .
• classifier : Bu özellikle yanıtın (veya fonksiyonel dilde aralık) ayrık olduğu bir tür işleve (ve bu işlevin kullanımına) karşılık gelir. Buna kıyasla bir regresörün sürekli bir yanıtı olacaktır. Ek yanıt türleri vardır, ancak bunlar en iyi bilinen iki türdür. Bir sınıflandırıcı oluşturduktan sonra, bizim için bir veri vektörünün göstereceği muhtemel sınırlı sınıflar aralığından tahmin etmemiz beklenir. Örnek olarak, bir ses tanıma yazılımı bir toplantıyı kaydedebilir ve herhangi bir zamanda sınırlı sayıda toplantı katılımcısının konuştuğunu kaydetmeye çalışabilir. Bu yazılımı oluştururken, her katılımcıya yalnızca nominal bir sayı vereceğiz ve konuşmanın her bir bölümü için bu sayıyı sınıflandırmaya çalışacağız.
• model : Model, fenomeninizi temsil ettiği için kabul edebileceğiniz veya reddedebileceğiniz işlevdir (veya bir araya getirilmiş işlevler kümesidir). Kelime, alan bilgisini, bu gerekli olmasa da fenomeni açıklamaya / tahmin etmeye uygulayabileceğiniz fikrinden kaynaklanmaktadır. Parametrik olmayan bir model tamamen eldeki verilerden türetilebilir, ancak sonuç hala bir model olarak adlandırılır. Bu terminoloji, bir model inşa edildiğinde inşa edilen şeyin gerçeklik değil, sadece bir gerçeklik modeli olduğu gerçeğini vurgular. George Box'un dediği gibi " Tüm modeller yanlış ama bazıları faydalı ". Bir modele sahip olmak tahmin etmenizi sağlar, ancak amacı bu olmayabilir; simüle etmek veya açıklamak için de kullanılabilir.