У чым розніца паміж вывадам і вывучэннем?


адказ 1:

Дзякуй за A2A.

Ужыванне тэрміна вывучэнне і выснова залежыць ад прадмета. Блытаніна звычайна ўзнікае, калі словы ўжываюцца выпадкова, не звяртаючыся да пэўнага поля.

На самым агульным узроўні слова "выснова" - тое, з чым мы ўсе знаёмыя. Мы назіраем некаторыя дадзеныя і хочам даведацца з іх. Працэс назірання за дадзенымі і гаварыць тое, што з яго ведаюць, - гэта інтуітыўнае вызначэнне высновы.

Калі статыстыкі распавядаюць пра выснову, яны звычайна кажуць пра статыстычны выснову. У статыстычным выснове мы назіраем некаторыя дадзеныя і хочам штосьці сказаць пра працэс, які выклікаў гэтыя дадзеныя. Такім чынам, прагназаванне, ацэнка палос памылак, праверка гіпотэз і ацэнка параметраў будуць часткай статыстычнага высновы. Звярніце ўвагу, як ацэнка параметра таксама ўваходзіць у статыстычны вывад.

З іншага боку, традыцыйныя даследчыкі машыннага навучання ад традыцый інфарматыкі часта адрозніваюць навучанне і выснову. Навучанне звязана з ацэнкай параметраў і не разглядаецца відавочна як праблема высновы. Такім чынам, канцэптуалізацыя тэрміна "выснова" вужэйшая, чым у статыстыкі. Выснова звычайна разглядаецца як нейкі прагноз. Напрыклад, пры лінейнай рэгрэсіі мы хочам прадказаць зменную рэальную каштоўнасць, улічваючы некаторыя асаблівасці і некаторыя вывучаныя параметры. У выпадку праблемы з апрацоўкай малюнка, мы можам захацець увесці найбольш верагодныя значэнні для адсутных пікселяў з нашага вывучанага агульнага размеркавання для выявы са шматлікімі значэннямі, якія адсутнічаюць. Гэтыя два прагнозы можна назваць высновамі. Перавагай навучання і высновы з'яўляецца тое, што алгарытмы навучання натуральна аддзяляюцца ад алгарытмаў высновы. Хоць параметры можна ацаніць аналітычна для некаторых праблем, большасць праблем патрабуе алгарытму навучання, напрыклад, алгарытму тыпу градыенту. Сапраўды гэтак жа для некаторых высноў, як, напрыклад, прыклад апрацоўкі малюнкаў, прагназаванне, як правіла, не падключаецца і не патрабуе выкарыстання і патрабуе выкарыстання алгарытму высновы, напрыклад, алгарытму адбору выбару для вылічэння прагназавання. Гэта становіцца яшчэ больш цікавым з мадэлямі з схаванымі пераменнымі, у якіх алгарытм высновы часта ўкладзены ў алгарытм навучання, як гэта адбываецца ў алгарытмах MCMC-EM.

Такім чынам, розніца паміж высновай і навучаннем залежыць ад вачэй мадэляра. Калі вы думаеце, як статыстык, вывучэнне / ацэнка параметраў - гэта нейкая выснова. Калі вы думаеце, як традыцыйны даследчык машыннага навучання, навучанне звычайна ацэньвае параметры, а выснова звычайна з'яўляецца прагнозам. У розных сітуацыях розныя пункту гледжання карысныя.


адказ 2:

Кароткі адказ

канкрэтны прыклад

Выснова

усе прыклады

Навучанне

  1. Калі вы вывучыце параметры графічнай мадэлі, вы знойдзеце універсальны набор значэнняў для ўсіх вашых кропак дадзеных. Вы можаце думаць пра гэта як "вывучэнне" тапалогіі альбо разнастайнасці, у якой знаходзяцца вашы дадзеныя (у рамках абмежаванняў, накладзеных мадэллю). Вы адказваеце на пытанне "Якая канфігурацыя мадэлі лепш за ўсё тлумачыць усе дадзеныя?" Калі выводзіце схаваныя ці схаваныя параметры, вы знойдзеце асобнікі схаваных або схаваных зменных, характэрных для пункту дадзеных. Разуменне гэтых схаваных зменных можа дапамагчы прагназаваць дадзеныя. Вы адказваеце на пытанне "Якія значэнні схаваных зменных тлумачаць гэтую кропку дадзеных?"

Яшчэ адзін прыклад:

Рэзюмэ:

Цікавы сайт:

мог

Браніраванне


адказ 3:

Тут крыху спрошчана: абодва выгляду адаптацыі мадэлі. Навучанне карэктуе толькі індыкатыўную мадэль, у той час як выснова рэгулюе індыкатыўную мадэль шляхам ацэнкі параметраў імавернаснай мадэлі. Такім чынам, выснова адаптацыі лінейнага рэгрэсу можа разглядацца як выснова, але вынік адаптацыі машыны падтрымкі ведаў толькі вучыцца.