La protegida (2021)

Ver La protegida completa

Ver película completa online

2021/8/19 109 min. Acción , Crimen , Suspense

Loading
Loading
Loading
Loading

Sinopsis

Uno de los métodos de aprendizaje de máquinas más famosos y usados es el protegido. En este algoritmo, utilizaremos un método de aprendizaje supervisado donde una inteligencia artificial se encargue de los datos y crearemos un clasificador que pueda predecir si una entrada determinada cumple con una condición determinada. Aunque hay muchos clasificadores diferentes que podemos usar en el aprendizaje supervisado, uno de los más utilizados y populares es la regresión logística. La regresión logística fue creada por Bill Bryson y John Wells en AIWY 2021, y utiliza dos clasificadores para clasificar los datos.

La regresión logística se utilizará para predecir la distribución de la variable dependiente, que denotamos aquí como el resultado previsto. Estos clasificadores deben poder crear y generar un conjunto de clasificaciones. Sin embargo, también deben poder eliminar variables no independientes que pueden sesgar la precisión general de las predicciones. Por ejemplo, si hay cinco variables que pueden cambiar significativamente la precisión de la predicción, no se debe tener en cuenta ninguno de ellos. Entonces, si solo hay una variable independiente que se puede tomar en consideración, entonces la regresión logística puede ser llamada como una justa.

Utilizaremos la regresión logística como ejemplo para que podamos ver cómo la clasificación del resultado real puede verse influenciada por la clasificación de las entradas. Digamos que estamos tratando de predecir el número de boletos vendidos para un juego de baloncesto. El resultado real dependería enormemente del número previsto de boletos vendidos. Si tomamos la regresión logística y nos ajustamos al resultado predicho, entonces obtenemos un valor de cero. Esto sugiere que podemos eliminar la variable no importante y obtener lo importante en la forma correcta.

Veamos ahora cómo la sensibilidad del predictor puede afectar la precisión de la predicción. El problema es cuando tomamos un enfoque de independencia estadística, e intente incluir tanto las variables aleatorias como las variables correlacionadas. Cuando nos ajustamos a la regresión logística con los datos de la serie de tiempo correlacionados, los resultados se vuelven negativos y la probabilidad prevista de ganar se vuelve más pequeña. Esto se debe a que la correlación entre las variables aleatorias es cero y los datos de la serie de tiempo correlacionados ahora no están fuertemente correlacionados con el resultado.

Para resolver este problema, el método de inferencia estadística hace uso de la regresión logística con una distribución normal de registro para adaptarse a las logísticas de los datos y luego la función de puntaje de probabilidad normal de registro. El grupo protegido se refiere a las variables protegidas, mientras que el grupo no protegido se refiere a los datos de la serie de tiempo no correlacionados. De esta manera, las variables protegidas ahora se consideran como los predictores importantes, mientras que las variables no correlacionadas ahora se eliminan de la ecuación. Al hacerlo, obtenemos un conjunto agradable y ordenado de puntajes de probabilidad, que luego se usan para clasificar el resultado real.

Hay muchos algoritmos para identificar la protegida. El algoritmo NSDK, por ejemplo, es una opción popular utilizada en el desarrollo de Software R. Un algoritmo completamente aplicado es probablemente el más poderoso y flexible, pero también es el más difícil de entender e implementar correctamente. Por lo tanto, la opción más segura es aplicar una técnica simple y segura llamada discriminación ponderada.

Promedio: 7.3 / 10 (1147 votos)
Tu puntuación: - / 10

Listado de enlaces

Dejá tu comentario!