큐:
Occam의 면도기는 기계 학습에 어떻게 적용됩니까?
ㅏ:Occam의 면도기는 1200 년대에 Ockham의 William으로 거슬러 올라갑니다. 가장 간단하고 직접적인 솔루션을 선호하거나 다른 가설을 가진 경우 가장 간단한 가정이나 가장 적은 가정이 가장 적합하다는 생각입니다.
그러나 Occam의 면도기는 최신 기술에 적용 할 수있는 최신 응용 프로그램을 보유하고 있습니다. 예를 들어 기계 학습에 원리를 적용하는 것입니다. 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 Occam의 면도기가 기계 학습 프로젝트 설계에 유용하고 도움이 될 수 있다고 생각합니다. 일부는 Occam의 면도기가 엔지니어가 프로젝트에 적용 할 최상의 알고리즘을 선택하는 데 도움이되고 선택한 알고리즘으로 프로그램을 훈련하는 방법을 결정하는 데 도움이 될 수 있다고 주장합니다. Occam의 면도칼에 대한 한 가지 해석은 비교할 수있는 절충점이있는 둘 이상의 적합한 알고리즘이 주어지면 배포하기가 가장 복잡하고 해석하기가 가장 쉬운 알고리즘을 사용해야한다는 것입니다.
다른 사람들은 피처 선택 및 치수 축소와 같은 단순화 절차가 더 나은 결과를 얻기 위해 모델을 단순화하는 Occam의 면도기 원리를 사용하는 예라고 지적합니다. 반면에, 다른 사람들은 엔지니어들이 정확성을 희생하면서 복잡성을 감소시키는 모델 트레이드 오프 (trade-off)에 대해 설명하지만 여전히이 Occam의 면도기 접근 방식이 유리할 수 있다고 주장합니다.
Occam 면도기의 또 다른 적용은 기술의 베이지안 논리와 같은 특정 종류의 기계 학습을 위해 설정된 매개 변수와 관련이 있습니다. 프로젝트의 매개 변수 세트를 제한 할 때 엔지니어는 모델을 단순화하기 위해 "Occam 's Razor 사용"이라고 할 수 있습니다. 또 다른 주장은 창의적인 사람들이 비즈니스 사용 사례를 평가하고 알고리즘을 사용하기 전에 프로젝트의 범위를 제한하는 방법을 브레인 스토밍 할 때 Occam의 면도기를 사용하여 처음부터 프로젝트의 복잡성을 없애고 있다는 것입니다.
Occam의 면도기를 기계 학습에 적용하는 또 다른 널리 사용되는 방법은 "매우 복잡한 시스템의 저주"입니다.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 누군가 머신 러닝 시스템의 고의적 인 설계에서 Occam의 면도기를 인용하여 그들이 복잡성과 강성을 겪지 않도록하는 또 다른 예입니다.
반면에 Occam의 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.
