Vidéo: Henri Broch - L'art du doute (Les Lois de l'Attraction Mentale) 2024
L'apprentissage automatique dépend beaucoup des données de l'échantillon. Cette partie de vos données est importante parce que vous voulez découvrir un point de vue du monde, et comme avec tous les points de vue, il peut être faux, déformé, ou tout simplement partiel. Vous savez également que vous avez besoin d'un exemple hors échantillon pour vérifier si le processus d'apprentissage fonctionne. Cependant, ces aspects ne forment qu'une partie de l'image.
Lorsque vous faites fonctionner un algorithme d'apprentissage automatique sur des données pour deviner une certaine réponse, vous prenez effectivement un risque et ce pari n'est pas uniquement dû à l'échantillon que vous utilisez pour l'apprentissage. Il y a plus. Pour le moment, imaginez que vous ayez librement accès à des données appropriées, impartiales et dans l'échantillon, de sorte que les données ne constituent pas le problème. Au lieu de cela, vous devez vous concentrer sur la méthode d'apprentissage et de prédiction.
D'abord, vous devez considérer que vous pariez que l'algorithme peut raisonnablement deviner la réponse. Vous ne pouvez pas toujours faire cette hypothèse parce que déterminer certaines réponses n'est pas possible, peu importe ce que vous savez à l'avance.
Par exemple, vous ne pouvez pas entièrement déterminer le comportement des êtres humains en connaissant leur histoire et leur comportement antérieurs. Peut-être un effet aléatoire est-il impliqué dans le processus génératif de notre comportement (la partie irrationnelle de nous, par exemple), ou peut-être que le problème revient au libre arbitre (le problème est aussi philosophique / religieux et il y a beaucoup d'opinions discordantes). Par conséquent, vous pouvez deviner seulement certains types de réponses, et pour beaucoup d'autres, comme lorsque vous essayez de prédire le comportement des gens, vous devez accepter un certain degré d'incertitude qui, avec de la chance, est acceptable pour vos objectifs.
Deuxièmement, vous devez considérer que vous pariez que la relation entre l'information que vous avez et la réponse que vous voulez prédire peut être exprimée comme une formule mathématique quelconque, et que votre apprentissage automatique algorithme est en fait capable de deviner cette formule. La capacité de votre algorithme à deviner la formule mathématique derrière une réponse est intrinsèquement intégrée dans les rouages de l'algorithme.
Certains algorithmes peuvent presque tout deviner; d'autres ont en fait un ensemble limité d'options. La gamme de formulations mathématiques possibles qu'un algorithme peut deviner est l'ensemble de ses hypothèses possibles. Par conséquent, une hypothèse est un algorithme unique, spécifié dans tous ses paramètres et donc capable d'une seule formulation spécifique.
Les mathématiques sont fantastiques. Il peut décrire une grande partie du monde réel en utilisant une notation simple, et c'est le cœur de l'apprentissage automatique car tout algorithme d'apprentissage a une certaine capacité à représenter une formulation mathématique.Certains algorithmes, tels que la régression linéaire, utilisent explicitement une formulation mathématique spécifique pour représenter comment une réponse (par exemple, le prix d'une maison) se rapporte à un ensemble d'informations prédictives (informations sur le marché, localisation de la maison, surface de la propriété, etc).
Certaines formulations sont si complexes et complexes que, même si leur représentation sur papier est possible, cela est trop difficile en pratique. Certains autres algorithmes sophistiqués, tels que les arbres de décision, n'ont pas de formulation mathématique explicite, mais sont tellement adaptables qu'ils peuvent être réglés pour se rapprocher facilement d'une large gamme de formulations. À titre d'exemple, considérons une formulation simple et facilement expliquée. La régression linéaire est juste une ligne dans un espace de coordonnées donné par la réponse et tous les prédicteurs. Dans l'exemple le plus simple, vous pouvez avoir une réponse, y, et un seul prédicteur, x, avec une formulation de
y = β 1 x 1 + β 0
Dans une situation simple d'une réponse prédite par une caractéristique unique, un tel modèle est parfait lorsque vos données s'organisent en une ligne. Cependant, que se passe-t-il si ce n'est pas le cas et se forme comme une courbe? Pour représenter la situation, observez simplement les représentations bidimensionnelles suivantes.
Lorsque les points ressemblent à une ligne ou à un nuage, une erreur se produit lorsque vous déterminez que le résultat est une ligne droite; par conséquent, la cartographie fournie par la formulation précédente est en quelque sorte imprécise. Cependant, l'erreur n'apparaît pas systématiquement mais de manière aléatoire car certains points sont au-dessus de la ligne mappée et d'autres en dessous. La situation avec le nuage de points courbé et formé est différente, parce que cette fois, la ligne est parfois exacte mais à d'autres moments elle est systématiquement erronée. Parfois, les points sont toujours au-dessus de la ligne; parfois ils sont en dessous.
Compte tenu de la simplicité de sa cartographie de la réponse, votre algorithme a tendance à surestimer ou à sous-estimer systématiquement les règles réelles qui sous-tendent les données, ce qui représente leur biais. Le biais est caractéristique des algorithmes plus simples qui ne peuvent pas exprimer des formulations mathématiques complexes.
