П:
Зашто је визуализација података корисна за алгоритме машинског учења?
А:Дисциплина визуализације података омогућава нам практично бесконачне начине да покажемо шта се дешава са алгоритмима машинског учења. Вриједно је размислити зашто је визуализација података толико битна и зашто ослобађа толико креативне снаге за толико много људи који су укључени у процесе машинског учења.
Да бисте разумели вредност визуелизације података за машинско учење, погледајте неки од алгоритама који се користе за стварање ових револуционарних и иновативних програма.
Једно од најједноставнијих је стабло одлука. Без уласка у функције активирања или скривених слојева или било чега сличног, стабло одлука су једноставно скупови бинарних чворова. Али чак је и стабло једноставних одлука људима тешко да опишу или пишу. Много је лакше кад се визуализује на екрану или на страници. Кад видите сваки чвор и његове везе са другим чворовима, цела ствар постаје видљива.
Сада узмимо једну од најзанимљивијих и најсложенијих врста алгоритама машинског учења - неуронску мрежу.
На неки су начин неуронске мреже заиста збирка алгоритама машинског учења. Основно подешавање састоји се од улазног слоја, скривених слојева и излазног слоја. Функције активирања помажу појединим дигиталним неуронима да обраде утежене улазе.
Све ове ставке и сви ови процеси много се лакше објашњавају визуализацијом података него вербалним или писаним описима. Можете рећи да неуронска мрежа има пондерисане улазе који се улазе у улазни слој и да се кохелирају у неки скривени слој и консолидују се у дати излаз, али када користите визуелну фигуру да покажете како то функционише, људско око и човек мозак се закачио на то на много директнији и кориснији начин.
У одређеном смислу, можете видети снагу визуализације података чак и без узимања у обзир машинског учења. У доба линеарног програмирања, преводиоци и студијски језици рачунара дали би програмерима избор да поставе корак по корак тестни програм где би могли да прегледају вредности променљивих у малим визуелним оквирима. Опет, ово је помогло да се покаже шта се дешава у извршењу много боље него само читање кроз кодну базу.
Машинско учење је хиперинтензивно програмирање - то је вероватно вјероватно програмирање и зато нам визуализација података заиста помаже да схватимо шта се дешава са било којим алгоритмом или процесима.
