Q:
Warum ist die Datenvisualisierung für Algorithmen zum maschinellen Lernen nützlich?
EIN:Die Disziplin der Datenvisualisierung bietet praktisch unbegrenzte Möglichkeiten, um zu demonstrieren, was mit Algorithmen für maschinelles Lernen geschieht. Es lohnt sich, genau darüber nachzudenken, warum Datenvisualisierung so wichtig ist und warum so viele Menschen, die sich mit maschinellen Lernprozessen befassen, so viel kreative Kraft freisetzen.
Um den Wert der Datenvisualisierung für das maschinelle Lernen zu verstehen, werfen Sie einen Blick auf die Algorithmen, mit denen diese bahnbrechenden und innovativen Programme erstellt werden.
Eines der einfachsten ist der Entscheidungsbaum. Ohne auf Aktivierungsfunktionen oder versteckte Ebenen oder ähnliches zuzugreifen, besteht der Entscheidungsbaum einfach aus Mengen von Binärknoten. Aber selbst der einfache Entscheidungsbaum ist für die Menschen sehr schwer zu beschreiben oder zu beschreiben. Es ist viel einfacher, wenn es auf einem Bildschirm oder einer Seite dargestellt wird. Wenn Sie jeden Knoten und seine Verbindungen zu anderen Knoten sehen, wird das Ganze sofort ersichtlich.
Nehmen wir nun einen der meist byzantinischen und ausgefeilten Algorithmus-Typen für maschinelles Lernen - das neuronale Netzwerk.
In gewisser Weise sind neuronale Netze tatsächlich Sammlungen von Algorithmen für maschinelles Lernen. Die Grundkonfiguration besteht aus einer Eingabeebene, ausgeblendeten Ebenen und einer Ausgabeebene. Die Aktivierungsfunktionen helfen den einzelnen digitalen Neuronen, gewichtete Eingaben zu verarbeiten.
Alle diese Elemente und alle diese Prozesse lassen sich durch Datenvisualisierung viel einfacher erklären als durch mündliche oder schriftliche Beschreibungen. Man kann sagen, dass ein neuronales Netzwerk gewichtete Eingaben hat, die in eine Eingabeebene fließen, und dass sie in einer verborgenen Ebene verschmelzen und sich zu einer bestimmten Ausgabe konsolidieren, aber wenn Sie eine visuelle Figur verwenden, um zu zeigen, wie dies funktioniert, das menschliche Auge und der Mensch das Gehirn klammert sich viel direkter und nützlicher daran an.
In gewisser Weise können Sie die Leistungsfähigkeit der Datenvisualisierung auch ohne Berücksichtigung des maschinellen Lernens erkennen. In den Tagen der linearen Programmierung hatten Compiler und Computersprachenstudios die Wahl, ein schrittweises Testprogramm einzurichten, mit dem die Werte von Variablen in kleinen visuellen Feldern überprüft werden konnten. Wiederum konnte so besser gezeigt werden, was bei einer Ausführung passiert, als nur eine Codebasis zu lesen.
Maschinelles Lernen ist hyperintensives Programmieren - es ist probabilistisches Programmieren, und deshalb hilft uns die Datenvisualisierung wirklich dabei, den Überblick darüber zu behalten, was mit einem bestimmten Algorithmus oder Prozess passiert.
