Classificador vs modelo vs estimador

16

Qual é a diferença entre um classificador, modelo e estimador?

Pelo que posso dizer:

  • um estimador é um preditor encontrado no algoritmo de regressão
  • um classificador é um preditor encontrado em um algoritmo de classificação
  • um modelo pode ser um estimador ou um classificador

Mas, ao olhar on-line, parece que posso ter essas definições misturadas. Então, quais são as verdadeiras definições no contexto do aprendizado de máquina?

Peter Flom - Restabelece Monica
fonte

Respostas:

15
  • estimador: Essa não é uma palavra com uma definição rigorosa, mas geralmente associada à localização de um valor atual nos dados. Se não contássemos explicitamente a variação em nosso bolso, poderíamos usar uma estimativa. Dito isto, no aprendizado de máquina, ele é usado com mais frequência em conjunto com a estimativa de parâmetros ou estimativa de densidade. Nos dois casos, supõe-se que os dados que temos atualmente venham de uma forma que possa ser descrita com uma função. Com a estimativa de parâmetros, acreditamos que a função é uma função conhecida que possui parâmetros adicionais, como taxa ou média, e podemos estimar o valor desses parâmetros. Na estimativa de densidade, podemos nem ter uma suposição sobre a função, mas tentaremos estimar a função independentemente. Uma vez que tenhamos uma estimativa, podemos ter à nossa disposição um modelo.probabilidade máxima .
  • classificador : refere-se especificamente a um tipo de função (e uso dessa função) em que a resposta (ou intervalo na linguagem funcional) é discreta. Comparado a isso, um regressor terá uma resposta contínua. Existem tipos de resposta adicionais, mas esses são os dois mais conhecidos. Uma vez que tenhamos construído um classificador, espera-se prever de dentro de um intervalo finito de classes que classe um vetor de dados provavelmente indicará. Como exemplo, um software de reconhecimento de voz pode gravar uma reunião e tentar gravar a qualquer momento qual o número finito de participantes da reunião está falando. Construindo este software, damos a cada participante um número apenas nominal e tentamos classificá-lo para cada número de fala.
  • modelo : o modelo é a função (ou conjunto de funções agrupadas) que você pode aceitar ou rejeitar como sendo representativo do seu fenômeno. A palavra deriva da idéia de que você pode aplicar o conhecimento do domínio para explicar / prever o fenômeno, embora isso não seja necessário. Um modelo não paramétrico pode ser derivado inteiramente dos dados em mãos, mas o resultado ainda é chamado de modelo. Essa terminologia destaca o fato de que o que foi construído quando um modelo foi construído não é realidade, mas apenas um 'modelo' de realidade. Como George Box disse: " Todos os modelos estão errados, mas alguns são úteis ". Ter um modelo permite prever, mas esse pode não ser o seu objetivo; também poderia ser usado para simular ou explicar.
Meadowlark Bradsher
fonte