콘텐츠
큐:
Occams 면도기는 기계 학습에 어떻게 적용됩니까?
에이:
Occams 면도기의 사용은 1200 년대에 Ockham의 William으로 거슬러 올라갑니다. – 가장 단순하고 가장 직접적인 솔루션을 선호해야한다는 생각, 또는 다른 가설을 가진 경우 가장 간단한 것 또는 가장 적은 가정이 가장 적합합니다.
그러나 Occams razor는 최신 기술에 적용 할 수있는 최신 응용 프로그램을 보유하고 있습니다. 예를 들어 기계 학습에 원리를 적용하는 것이 한 예입니다. 기계 학습을 통해 엔지니어는 일련의 교육 데이터에 대한 컴퓨터 교육을 통해 원래 코드베이스 프로그래밍의 한계를 뛰어 넘고 학습 할 수 있습니다. 기계 학습에는 컴퓨터에 알고리즘, 데이터 구조 및 교육 시스템을 구현하여 스스로 학습하고 발전하는 결과를 얻을 수 있습니다.
이를 염두에두고 일부 전문가들은 Occams 면도기가 기계 학습 프로젝트를 설계하는 데 유용하고 유익 할 수 있다고 생각합니다. 일부는 Occams 면도기가 엔지니어가 프로젝트에 적용 할 최상의 알고리즘을 선택할 수있게하고 선택된 알고리즘으로 프로그램을 훈련하는 방법을 결정하는 데 도움이 될 수 있다고 주장합니다. Occams 면도기의 한 가지 해석은 비교할 수있는 절충점이있는 둘 이상의 적합한 알고리즘이 주어지면 배포하기가 가장 복잡하고 해석하기 가장 쉬운 알고리즘을 사용해야한다는 것입니다.
다른 사람들은 피처 선택 및 치수 축소와 같은 단순화 절차도 더 나은 결과를 얻기 위해 모델을 단순화하는 Occams 면도기 원리를 사용하는 예라고 지적합니다. 반면에, 다른 사람들은 엔지니어가 정확도를 희생하면서 복잡성을 감소시키는 모델 트레이드 오프를 설명하지만 여전히이 Occams 면도기 접근 방식이 유리할 수 있다고 주장합니다.
Occams 면도기의 또 다른 적용은 기술의 베이지안 논리와 같은 특정 종류의 기계 학습에 대해 설정된 매개 변수와 관련이 있습니다. 프로젝트의 매개 변수 세트를 제한 할 때 엔지니어는 모델을 단순화하기 위해 "Occams 면도기를 사용"한다고 할 수 있습니다. 또 다른 주장은 창조적 인 사람들이 알고리즘을 사용하기 전에 비즈니스 사용 사례를 평가하고 프로젝트의 범위를 제한하는 방법을 브레인 스토밍 할 때 Occams 면도기를 사용하여 처음부터 프로젝트의 복잡성을 완화시킵니다.
또 다른 대중적인 Occams 면도기의 머신 러닝 응용 프로그램에는“과도하게 복잡한 시스템의 저주”가 포함됩니다.이 주장은보다 복잡하고 상세한 모델을 만들면 해당 모델이 연약하고 다루기 어려워 질 수 있습니다. 검사 할 데이터와 해당 데이터의 사용 사례에 맞지 않을 정도로 모델을 너무 복잡하게 만드는 오버 피팅이라는 문제가 있습니다. 이것은 누군가가 기계 학습 시스템의 고의적 인 설계에서 Occams 면도기를 인용하여 그들이 복잡성과 강성을 겪지 않도록하는 또 다른 예입니다.
반면에 Occams 면도기를 잘못 사용하면 기계 학습 프로그래밍의 효과가 떨어질 수 있다고 지적합니다. 어떤 경우에는 복잡성이 필요하고 유익 할 수 있습니다. 그것은 모두 특정 프로젝트 범위와 획득해야 할 사항을 검토하고 주어진 결과에 가장 목표가되는 솔루션을 적용하기 위해 입력, 교육 세트 및 매개 변수를 보는 것과 관련이 있습니다.