Conţinut
Prezentat de: AltaML
Î:
De ce este utilă vizualizarea datelor pentru algoritmii de învățare automată?
A:
Disciplina vizualizării datelor ne oferă modalități practic infinite de a arăta ce se întâmplă cu algoritmi de învățare automată. Merită să ne gândim exact la motivul pentru care vizualizarea datelor este atât de importantă și de ce eliberează atât de multă putere creativă pentru atât de mulți oameni care se implică în procesele de învățare automată.
Pentru a înțelege valoarea vizualizării datelor pentru învățarea automată, trebuie doar să aruncați o privire la oricare dintre algoritmii folosiți pentru a crea aceste programe inovatoare și inovatoare.
Unul dintre cele mai simple este arborele decizional. Fără a intra în funcții de activare sau straturi ascunse sau ceva de genul acesta, arborele de decizie este doar seturi de noduri binare. Dar chiar și arborele simplu de decizie este foarte dificil pentru oameni să descrie sau să scrie. Este mult mai ușor atunci când este vizualizat pe un ecran sau pe o pagină. Când vedeți fiecare nod și conexiunile sale cu alte noduri, totul devine evident.
Acum, să luăm unul dintre cele mai bizantine și mai elaborate tipuri de algoritmi de învățare automată - rețeaua neuronală.
În unele moduri, rețelele neuronale sunt într-adevăr colecții de algoritmi de învățare automată. Configurația de bază constă dintr-un strat de intrare, straturi ascunse și un strat de ieșire. Funcțiile de activare ajută neuronii digitali individuali să proceseze intrări ponderate.
Toate aceste elemente și toate aceste procese sunt explicate mult mai ușor prin vizualizarea datelor decât prin descrieri verbale sau scrise. Puteți spune că o rețea neurală are ponderi ponderate care curg într-un strat de intrare și că se îmbină într-un strat ascuns și se consolidează într-o ieșire dată, dar când folosiți o figură vizuală pentru a arăta cum funcționează, ochiul uman și omul blocarea creierului pe asta într-un mod mult mai direct și mai util.
Într-un anumit sens, puteți vedea puterea vizualizării datelor chiar și fără a ține cont de învățarea automată. În zilele programării liniare, compilatoarele și studiourile de limbaj de calculator ar da programatorilor posibilitatea de a seta un program de test pas cu pas, unde ar putea inspecta valorile variabilelor în casetele vizuale mici. Din nou, acest lucru a ajutat să arate ce se întâmplă într-o execuție mult mai bine decât doar citirea printr-o bază de cod.
Învățarea automată este o programare hiper-intensivă - programarea probabilistică și tocmai de aceea vizualizarea datelor ne ajută cu adevărat să ne îndreptăm în cap cu ceea ce se întâmplă cu orice algoritm sau proces dat.