Q:
¿Por qué es útil la visualización de datos para algoritmos de aprendizaje automático?
UN:La disciplina de la visualización de datos nos brinda formas prácticamente infinitas de mostrar lo que sucede con los algoritmos de aprendizaje automático. Vale la pena pensar exactamente por qué la visualización de datos es tan importante y por qué libera tanto poder creativo para tantas personas que se están involucrando en los procesos de aprendizaje automático.
Para comprender el valor de la visualización de datos para el aprendizaje automático, solo eche un vistazo a cualquiera de los algoritmos que se utilizan para crear estos programas innovadores e innovadores.
Uno de los más simples es el árbol de decisión. Sin entrar en funciones de activación o capas ocultas o algo así, el árbol de decisión es simplemente un conjunto de nodos binarios. Pero incluso el árbol de decisión simple es muy difícil de describir o escribir para las personas. Es mucho más fácil cuando se visualiza en una pantalla o en una página. Cuando ve cada nodo y sus conexiones con otros nodos, todo se vuelve evidente.
Ahora tomemos uno de los algoritmos de aprendizaje automático más bizantinos y elaborados: la red neuronal.
De alguna manera, las redes neuronales son realmente colecciones de algoritmos de aprendizaje automático. La configuración básica consiste en una capa de entrada, capas ocultas y una capa de salida. Las funciones de activación ayudan a las neuronas digitales individuales a procesar entradas ponderadas.
Todos estos elementos y todos estos procesos se explican mucho más fácilmente a través de la visualización de datos que a través de descripciones verbales o escritas. Puede decir que una red neuronal tiene entradas ponderadas que fluyen hacia una capa de entrada, y que se fusionan en una capa oculta y se consolidan en una salida dada, pero cuando usa una figura visual para mostrar cómo funciona esto, el ojo humano y el humano el cerebro se aferra a eso de una manera mucho más directa y útil.
En cierto sentido, puede ver el poder de la visualización de datos incluso sin tener en cuenta el aprendizaje automático. En los días de la programación lineal, los compiladores y los estudios de lenguaje informático daban a los programadores la opción de establecer un programa de prueba paso a paso donde pudieran inspeccionar los valores de las variables en pequeños cuadros visuales. Nuevamente, esto ayudó a mostrar lo que sucede en una ejecución mucho mejor que simplemente leer una base de código.
El aprendizaje automático es una programación hiperintensiva: es una programación probabilística y es por eso que la visualización de datos realmente nos ayuda a entender qué está sucediendo con cualquier algoritmo o proceso dado.
