La classification par NN marche super bien mais reste totalement incompréhensible.
Est-ce que la structure d'un CPU moderne est "compréhensible"? Est-ce que la stratégie de Stockfish quand il jour à 3600 Elo est "compréhensible"? Je ne vois pas où tu veux en venir.
On fixe une graine (seed), on fixe l'ordre des données et le programme devient deterministe
Bah les NN ont exactement le même type de reproductibilité, je ne comprends pas où tu veux en venir. Il s'agir de machines de Turing, tu entres la même chose dans les mêmes conditions initiales et tu obtiens le même résultat.
C'est un pré-requis nécessaire quand on veut comparer les perfs d'un algorithme d'apprentissage
Je ne comprends pas cette phrase. Si tu entends par "perfs" la performance algorithmique (cycles CPU, RAM, etc), alors peut-être, mais j'ai l'impression que ça n'est pas du tout ce dont on parle là. Pour les heuristiques qui se basent sur une procédure d'échantillonnage, les perfs ne se mesurent pas en fixant la graine, mais au contraire en moyennant les perfs sur un gros échantillonnage de graines aléatoires, pour déterminer la performance attendue de l'algo quand il est utilisé.
Je vois bien que tu essayes de dire quelque chose, mais je ne comprends pas quoi. Pour toi, quelle est la différence fondamentale entre un algorithme de classification "traditionnel" et un algorithme de classification par ML, qui rendrait la classification ML "non souhaitable"?
[^] # Re: Qu'en dit Donald Knuth ?
Posté par arnaudus . En réponse à la dépêche Une intelligence artificielle libre est-elle possible ?. Évalué à 4.
Est-ce que la structure d'un CPU moderne est "compréhensible"? Est-ce que la stratégie de Stockfish quand il jour à 3600 Elo est "compréhensible"? Je ne vois pas où tu veux en venir.
Bah les NN ont exactement le même type de reproductibilité, je ne comprends pas où tu veux en venir. Il s'agir de machines de Turing, tu entres la même chose dans les mêmes conditions initiales et tu obtiens le même résultat.
Je ne comprends pas cette phrase. Si tu entends par "perfs" la performance algorithmique (cycles CPU, RAM, etc), alors peut-être, mais j'ai l'impression que ça n'est pas du tout ce dont on parle là. Pour les heuristiques qui se basent sur une procédure d'échantillonnage, les perfs ne se mesurent pas en fixant la graine, mais au contraire en moyennant les perfs sur un gros échantillonnage de graines aléatoires, pour déterminer la performance attendue de l'algo quand il est utilisé.
Je vois bien que tu essayes de dire quelque chose, mais je ne comprends pas quoi. Pour toi, quelle est la différence fondamentale entre un algorithme de classification "traditionnel" et un algorithme de classification par ML, qui rendrait la classification ML "non souhaitable"?