비디오: 미등록단어 문제 해결을 위한 비지도학습 기반 한국어자연어처리 방법론 및 응용 2024
온라인 사이트 중 일부는 통계 및 기계 학습이 완전히 다른 두 가지 기술이라고 생각할 수 있습니다. 예를 들어, 통계 대 기계 학습을 읽을 때 싸우십시오!, 당신은 두 기술이 서로 다를뿐만 아니라 서로에게 적대적이라고 생각합니다. 사실 통계와 기계 학습은 공통점이 많으며 통계는 기계 학습을 실현할 수있는 다섯 가지 부족 (999) (학교의 생각) 중 하나를 나타냅니다. 다섯 부족은
- 이 부족의 기원은 논리와 철학에 있습니다. 이 그룹은 문제를 해결하기 위해 역 공제에 의존합니다. 연결자:
- 이 부족의 기원은 신경 과학에 있습니다. 이 그룹은 문제를 해결하기 위해 역 전파에 의존합니다. 진화론자들:
- 이 부족의 기원은 진화 생물학에있다. 이 그룹은 유전 프로그래밍을 통해 문제를 해결합니다. 베이지안 인:
- 이 부족의 기원은 통계에 있습니다. 이 그룹은 문제를 해결하기 위해 확률 론적 추론에 의존합니다. 아날로그 체:
- 이 부족의 기원은 심리학에 있습니다. 이 그룹은 커널 시스템을 사용하여 문제를 해결합니다.
)을 만드는 것입니다. 물론, 그 목표를 달성하는 것은 먼 길입니다. 그럼에도 불구하고 Pedro Domingos와 같은 과학자들은 현재이 목표를 향해 노력하고 있습니다. 베이지안 부족 전략을 사용하면 몇 가지 형태의 통계 분석을 사용하여 대부분의 문제를 해결할 수 있습니다. 기술 된 다른 부족들에 의해 받아 들여지는 전략을 보았지만, 통계로 시작하는 주된 이유는이 기술이 이미 잘 확립되고 이해되었다는 것입니다. 사실 통계의 많은 요소는 이론이 만들어지는 과학
(engineering, 이론이 구현되는) 기술보다 더 자격이있다. 기계 학습에서 알고리즘의 역할을 이해하는 것은 기계 학습이 어떻게 작동하는지 정의하는 데 필수적입니다.
