martedì 9 settembre 2014

La sfida del Machine Learning (ma non solo, eh)




Ci sono molti approcci diversi, ma qui + David Tweed spiega alcune delle idee principali:

http://johncarlosbaez.wordpress.com/2014/09/03/science-modelli-e-macchina-learning/

L'immagine mostra uno. Diciamo che stiamo cercando di classificare i punti in due tipi - il tipo a sinistra della curva rossa, e il tipo sulla destra. Ci sono un sacco di scelte di dove si potrebbe mettere questa curva rossa. Per i dati finora, nulla tra le curve tratteggiate funzionerà. Quale scelta è la migliore? Ti piacerebbe una macchina per essere in grado di imparare questo se si insegna con altri esempi.

Ma la curva rossa è complicato! A volte è possibile semplificare il problema facendo qualche pre-elaborazione. Questa è la funzione φ qui. Questo prende il nostro problema e cambia ad uno in cui la curva rossa diventa una linea retta! Ora la macchina può cercare la miglior retta - con alcune scelte alternative mostrati come linee tratteggiate. Questo è più facile, perché la formula per una linea è più semplice.

Naturalmente, tutto questo solleva un sacco di domande. Come facciamo a trovare la funzione φ, in primo luogo? In pratica ci saranno un sacco di scelte, nessuno perfetto. Qual è il migliore? E poi, che la scelta della linea è la migliore? Che cosa significa "meglio" anche significare qui? 

Alcune di queste domande hanno un aspetto filosofico profondo per loro - sono sulla cognizione, come possiamo dividere il mondo in pezzi disordinati pulito, e cosa significa "conoscere" qualcosa. Ma sono anche estremamente pratico! E non sono solo di apprendimento automatico - sono la scienza e la modellazione in generale. 

Articolo di David Tweed è una grande introduzione. Il mio piccolo articolo qui è solo un'introduzione all'introduzione!

Tutto questo fa parte del codice del progetto Azimuth. La grande sfida è quella di utilizzare machine learning per aiutare a prevedere El Niños. Ma la nostra strategia è quella di spiegare le cose come andiamo, in modo che anche se non riusciamo, alla fine, avremo colto un sacco di gente ... noi compresi.

Nessun commento:

search