Q:
Por que a visualização de dados é útil para algoritmos de aprendizado de máquina?
UMA:A disciplina de visualização de dados nos fornece maneiras praticamente infinitas de mostrar o que está acontecendo com os algoritmos de aprendizado de máquina. Vale a pena pensar exatamente por que a visualização de dados é tão importante e por que libera tanto poder criativo para tantas pessoas envolvidas nos processos de aprendizado de máquina.
Para entender o valor da visualização de dados para o aprendizado de máquina, basta dar uma olhada em qualquer algoritmo usado para criar esses programas inovadores e inovadores.
Uma das mais simples é a árvore de decisão. Sem entrar em funções de ativação ou camadas ocultas ou algo assim, a árvore de decisão é simplesmente conjuntos de nós binários. Mas mesmo a árvore de decisão simples é muito difícil para as pessoas descreverem ou escreverem. É muito mais fácil quando visualizado em uma tela ou em uma página. Quando você vê cada nó e suas conexões com outros nós, tudo se torna facilmente aparente.
Agora vamos usar um dos tipos de algoritmos de aprendizado de máquina mais bizantinos e elaborados - a rede neural.
De certa forma, redes neurais são realmente coleções de algoritmos de aprendizado de máquina. A configuração básica consiste em uma camada de entrada, camadas ocultas e uma camada de saída. As funções de ativação ajudam os neurônios digitais individuais a processar entradas ponderadas.
Todos esses itens e todos esses processos são explicados muito mais facilmente através da visualização de dados do que através de descrições verbais ou escritas. Você pode dizer que uma rede neural ponderou entradas que fluem para uma camada de entrada e que elas se fundem em uma camada oculta e se consolidam em uma saída, mas quando você usa uma figura visual para mostrar como isso funciona, o olho humano e o humano cérebro trava nisso de uma maneira muito mais direta e útil.
De certa forma, você pode ver o poder da visualização de dados, mesmo sem levar em conta o aprendizado de máquina. Nos dias da programação linear, os compiladores e os estúdios de linguagem de computador dariam aos programadores a opção de definir um programa de teste passo a passo, onde poderiam inspecionar os valores das variáveis em pequenas caixas visuais. Novamente, isso ajudou a mostrar o que acontece em uma execução muito melhor do que apenas ler uma base de código.
O aprendizado de máquina é uma programação hiperintensiva - é uma programação probabilística e é por isso que a visualização de dados realmente nos ajuda a entender o que está acontecendo com qualquer algoritmo ou processo.
