Phân loại so với mô hình so với ước tính

Sự khác biệt giữa một bộ phân loại, mô hình và công cụ ước tính là gì?

Từ những gì tôi có thể nói:

• một công cụ ước tính là một công cụ dự đoán được tìm thấy từ thuật toán hồi quy
• một bộ phân loại là một công cụ dự đoán được tìm thấy từ một thuật toán phân loại
• một mô hình có thể vừa là công cụ ước tính hoặc phân loại

Nhưng từ khi tìm kiếm trực tuyến, có vẻ như tôi có thể có những định nghĩa này lẫn lộn. Vậy, những khiếm khuyết thực sự trong bối cảnh học máy là gì?

• người ước tính: Đây không phải là một từ có định nghĩa nghiêm ngặt nhưng nó thường liên quan đến việc tìm giá trị hiện tại trong dữ liệu. Nếu chúng tôi không đếm rõ ràng sự thay đổi trong túi của mình, chúng tôi có thể sử dụng một ước tính. Điều đó nói rằng, trong học máy, nó được sử dụng thường xuyên nhất kết hợp với ước tính tham số hoặc ước tính mật độ. Trong cả hai trường hợp, có một giả định rằng dữ liệu chúng ta hiện đang có ở dạng có thể được mô tả bằng một hàm. Với ước tính tham số, chúng tôi tin rằng hàm là một hàm đã biết có các tham số bổ sung như tốc độ hoặc giá trị trung bình và chúng tôi có thể ước tính giá trị của các tham số đó. Trong ước tính mật độ, chúng tôi thậm chí có thể không có giả định về hàm nhưng chúng tôi sẽ cố gắng ước tính hàm bất kể. Một khi chúng ta có một ước tính, chúng ta có thể có một mô hình.khả năng tối đa .
• phân loại : Điều này đặc biệt đề cập đến một loại chức năng (và sử dụng chức năng đó) trong đó phản hồi (hoặc phạm vi trong ngôn ngữ chức năng) là rời rạc. So với điều này một hồi quy sẽ có một phản ứng liên tục. Có các loại phản ứng bổ sung nhưng đây là hai loại được biết đến nhiều nhất. Một khi chúng ta có thể đã xây dựng một trình phân loại, dự kiến ​​chúng ta sẽ dự đoán cho chúng ta từ trong một phạm vi hữu hạn của các lớp mà lớp vectơ dữ liệu có khả năng chỉ ra. Ví dụ, một phần mềm nhận dạng giọng nói có thể ghi lại một cuộc họp và cố gắng ghi lại bất cứ lúc nào trong số những người tham dự cuộc họp đang nói chuyện. Xây dựng phần mềm này, chúng tôi sẽ cung cấp cho mỗi người tham dự một số chỉ là danh nghĩa và cố gắng phân loại theo số đó cho từng phân đoạn của bài phát biểu.
• mô hình : Mô hình là hàm (hoặc tập hợp các hàm) mà bạn có thể chấp nhận hoặc từ chối làm đại diện cho hiện tượng của mình. Từ này xuất phát từ ý tưởng rằng bạn có thể áp dụng kiến ​​thức tên miền để giải thích / dự đoán hiện tượng mặc dù điều này không bắt buộc. Một mô hình không tham số có thể được lấy hoàn toàn từ dữ liệu trong tay nhưng kết quả thường vẫn được gọi là mô hình. Thuật ngữ này nhấn mạnh thực tế rằng những gì đã được xây dựng khi một mô hình đã được xây dựng không phải là thực tế mà chỉ là một "mô hình" của thực tế. Như George Box đã nói " Tất cả các mô hình đều sai nhưng một số là hữu ích ". Có một mô hình cho phép bạn dự đoán nhưng đó có thể không phải là mục đích của nó; nó cũng có thể được sử dụng để mô phỏng hoặc giải thích.