引用“所有模型都是错误的，但有些模型有用”是否适用于机器学习模型？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

引用“所有模型都是错误的，但有些模型有用”是否适用于机器学习模型？
模型是对现实的简化或近似，因此它们无法捕获所有现实。“所有模型都是错误的，但有些模型是有用的”，这是乔治·爱德华·佩勒姆·博克斯（George Edward Pelham Box，1919–2013）的一句名言。乔治·博克斯（George Box）是威斯康星大学的英国数学家兼统计学教授。统计人员开发理论模型以预测特定过程的行为。这句话的意思是，每个模型都将是错误的，并且从不代表确切的行为。但是，即使模型无法准确描述现实，但如果模型足够接近的话，它可能会很有用。在本文中，我们将探讨George Box的报价如何应用于机器学习模型。
机器学习（ML）中的模型开发是一个迭代过程，与统计模型开发完全不同。理论模型支持用于统计模型开发的方法，并且模型所做的预测将独立于模型开发人员。在机器学习中，建模是一门艺术，而ML模型产生的结果取决于艺术家，模型开发者。在机器学习中，我们有从事模型开发的不同类别的专业人员。
他们是软件工程师，机器学习工程师和数据科学家。这些专业人员的每个类别都从不同的角度看待模型开发。数据科学家永远不会对模型所做的预测感到满意，并认为仍然存在提高准确性的空间。但是，软件工程师和机器学习工程师容易感到满意，并倾向于认为从他们的模型生成的结果具有最高的准确性，没有进一步改进的余地。
机器学习模型的准确性还取决于所使用的算法。在机器学习中，我们必须从六种算法/库中选择一种。典型的机器学习算法/库是XGBoost，Random Forests，TensorFlow，Scikit-learn和Pytorch。在机器学习中，我们有能力运用人类的创造力，直觉，经验和领域知识来提高模型的准确性。因此，机器学习模型的准确性还取决于开发模型的专业人员。模型开发人员通过调整超参数来影响模型。超参数是用户定义的设置，它指示算法在训练期间应如何表现。
在机器学习上下文中，将报价修改为“所有模型都是准确的，但有些模型更准确”会更合适。祝您建模愉快。下次见。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：机器学习 scikit-learn Forests George Tensor