Q:
Защо визуализацията на данни е полезна за алгоритмите за машинно обучение?
A:Дисциплината на визуализацията на данни ни дава практически безкрайни начини да покажем какво се случва с алгоритмите за машинно обучение. Струва си да помислим защо точно визуализацията на данните е толкова важна и защо освобождава толкова творческа сила за толкова много хора, които се включват в процесите на машинно обучение.
За да разберете стойността на визуализацията на данни за машинно обучение, просто разгледайте някой от алгоритмите, които се използват за създаване на тези новаторски и иновативни програми.
Едно от най-простите е дървото на решенията. Без да влизате във функции за активиране или скрити слоеве или нещо подобно, дървото на решенията е просто набор от двоични възли. Но дори и простото дърво на решения е много трудно за хората да го опишат или пишат. Много по-лесно е, когато се визуализира на екран или на страница. Когато видите всеки възел и неговите връзки с други възли, всичко става лесно очевидно.
Сега нека вземем един от най-византийските и сложни типове алгоритми за машинно обучение - невронната мрежа.
По някакъв начин невронните мрежи са наистина колекции от алгоритми за машинно обучение. Основната настройка се състои от входен слой, скрити слоеве и изходен слой. Функциите за активиране помагат на отделните цифрови неврони да обработват претеглени входове.
Всички тези елементи и всички тези процеси се обясняват много по-лесно чрез визуализация на данни, отколкото чрез устно или писмено описание. Можете да кажете, че невронната мрежа има претеглени входове, вливащи се във входен слой, и че те се слепват в някакъв скрит слой и се консолидират в даден изход, но когато използвате визуална фигура, за да покажете как става това, човешкото око и човека мозъчното заключване към това по много по-директен и полезен начин.
В известен смисъл можете да видите силата на визуализацията на данните, дори без да вземате предвид машинното обучение. В дните на линейното програмиране, компилаторите и компютърните езикови студия ще дадат на програмистите възможност да зададат стъпка по стъпка тестова програма, където да могат да проверяват стойностите на променливите в малки визуални полета. Отново това помогна да се покаже какво се случва при изпълнение много по-добре от просто четене през кодова база.
Машинното обучение е хипер-интензивно програмиране - това е вероятностно програмиране и затова визуализацията на данните наистина ни помага да оглавим какво се случва с даден алгоритъм или процес.
