Машинное обучение

Как ученый, что вам не нравится в науке о данных?

Любит | Нелюбов | Ответы | Вид | 9261


Майк Вест инструктор по машинному обучению Pluralsight   
@ | Обновлено Right Now


Нейронные сети считаются черными ящиками, потому что мы не полностью понимаем, как они делают свои прогнозы.

Распространенным заблуждением является то, что они не являются черными ящиками только потому, что мы понимаем их внутреннюю работу с технической точки зрения.

Позвольте мне проиллюстрировать. Вот очень простой пример линейной регрессии:

С размером дома в квадратных футах в качестве входной переменной x, гипотеза состоит в том, что мы можем прогнозировать цены на жилье в долларах по формуле y = 1000 * x. Просто. Если модель прогнозирует стоимость жилья в 500 000 долларов, каждый может понять, почему.

Теперь возьмем современную нейронную сеть, такую ​​как ResNet, которая имеет такую ​​архитектуру:

Это 152-слойное чудовище с сотнями миллионов параметров. Исследователь с глубоким обучением сможет точно сказать вам, что происходит во всех слоях и во всех нейронах. Но вы уверены, что, черт возьми, вы не сможете понять, как все миллионы параметров работают вместе в унисон, чтобы создать прогноз на основе входных данных. Мы можем понять это концептуально, но мы не можем следовать вычислениям и сказать, что модель предсказывала y, потому что такой-то и такой-то.

Если есть область бизнеса, где важна интерпретируемость, такая как кредитный скоринг, нейронные сети просто не подойдут. Это черные ящики, независимо от того, насколько хорошо вы понимаете теорию, стоящую за ними.

| |



Онлайн-курс
«Квантовые технологии»
Один из самых трендовых курсов в сфере Цифровой экономики.