Q:
Kodėl duomenų vizualizacija naudinga mašininio mokymosi algoritmams?
A:Duomenų vizualizacijos disciplina suteikia mums praktiškai begalinius būdus parodyti, kas vyksta su mašininio mokymosi algoritmais. Verta susimąstyti, kodėl duomenų vizualizacija yra tokia svarbi ir kodėl ji išlaisvina tiek daug kūrybinės galios tiek daug žmonių, kurie įsitraukia į mašininio mokymosi procesus.
Norėdami suprasti duomenų vizualizacijos vertę mašininio mokymosi srityje, tiesiog pažvelkite į visus algoritmus, kurie naudojami kuriant šias novatoriškas ir novatoriškas programas.
Vienas iš paprasčiausių yra sprendimų medis. Neįeinant į aktyvavimo funkcijas, paslėptus sluoksnius ar panašiai, sprendimų medis yra tiesiog dvejetainių mazgų rinkiniai. Bet net ir paprastą sprendimų medį žmonėms labai sunku aprašyti ar parašyti. Tai žymiai lengviau, kai tai atvaizduojama ekrane ar puslapyje. Kai matai kiekvieną mazgą ir jo jungtis su kitais mazgais, visa tai tampa akivaizdu.
Dabar paimkime vieną iš bizantiškiausių ir sudėtingesnių mašinų mokymosi algoritmų tipų - neuroninį tinklą.
Kai kuriais atvejais neuroniniai tinklai yra mašininio mokymosi algoritmų rinkiniai. Pagrindinę sąranką sudaro įvesties sluoksnis, paslėpti sluoksniai ir išvesties sluoksnis. Aktyvinimo funkcijos padeda atskiriems skaitmeniniams neuronams apdoroti svertinius įėjimus.
Visi šie elementai ir visi šie procesai yra daug lengviau paaiškinami per duomenų vizualizaciją nei žodiniai ar rašytiniai aprašymai. Galite pasakyti, kad nervų tinkle yra svertiniai įėjimai, patenkantys į įvesties sluoksnį, ir kad jie susilieja į kokį nors paslėptą sluoksnį ir sujungiami į tam tikrą išvestį, tačiau kai naudojate vaizdinę figūrą, kad parodytumėte, kaip tai veikia, žmogaus akis ir žmogus smegenų užraktas ant to daug tiesioginiu ir naudingu būdu.
Tam tikra prasme galite pamatyti duomenų vizualizacijos galią net neatsižvelgdami į mašininį mokymąsi. Linijinio programavimo laikais kompiliatoriai ir kompiuterinės kalbos studijos programuotojams suteikė galimybę nusistatyti laipsniško testavimo programą, kurioje jie galėtų patikrinti kintamųjų reikšmes mažose vaizdinėse dėžutėse. Tai vėlgi padėjo parodyti, kas vyksta vykdant, daug geriau, nei tik perskaityti kodą.
Mašinų mokymasis yra labai intensyvus programavimas - tai tikimybinis programavimas, todėl duomenų vizualizacija iš tikrųjų padeda mums susivokti, kas vyksta su bet kokiu algoritmu ar procesu.
