Classificatore vs modello vs stimatore

Qual è la differenza tra un classificatore, un modello e uno stimatore?

Da quello che posso dire:

• uno stimatore è un predittore trovato dall'algoritmo di regressione
• un classificatore è un predittore trovato da un algoritmo di classificazione
• un modello può essere sia uno stimatore che un classificatore

Ma guardando online, sembra che queste definizioni possano essere confuse. Quindi, quali sono le vere definizioni nel contesto dell'apprendimento automatico?

• estimatore: Questa non è una parola con una definizione rigorosa ma di solito è associata alla ricerca di un valore corrente nei dati. Se non contassimo esplicitamente la modifica in tasca, potremmo utilizzare un preventivo. Detto questo, nell'apprendimento automatico viene utilizzato più frequentemente insieme alla stima dei parametri o alla stima della densità. In entrambi i casi si presume che i dati attualmente in nostro possesso siano disponibili in una forma che può essere descritta con una funzione. Con la stima dei parametri, riteniamo che la funzione sia una funzione nota che ha parametri aggiuntivi come velocità o media e possiamo stimare il valore di tali parametri. Nella stima della densità potremmo anche non avere un presupposto sulla funzione ma tenteremo di stimare la funzione indipendentemente. Una volta che abbiamo una stima, potremmo avere a nostra disposizione un modello.massima probabilità .
• classificatore : si riferisce specificamente a un tipo di funzione (e uso di quella funzione) in cui la risposta (o intervallo nel linguaggio funzionale) è discreta. Rispetto a questo, un regressore avrà una risposta continua. Esistono altri tipi di risposta, ma questi sono i due più noti. Una volta che avremo creato un classificatore, ci si aspetta che prevediamo per noi all'interno di un intervallo finito di classi che è probabile che indichi un vettore di dati. Ad esempio, un software di riconoscimento vocale può registrare una riunione e tentare di registrare in qualsiasi momento il numero finito di partecipanti alla riunione. Costruendo questo software daremmo a ciascun partecipante un numero solo nominale e proveremmo a classificarlo a quel numero per ogni segmento del discorso.
• modello : il modello è la funzione (o insieme di funzioni raggruppate) che è possibile accettare o rifiutare come rappresentativa del proprio fenomeno. La parola deriva dall'idea che è possibile applicare la conoscenza del dominio per spiegare / prevedere il fenomeno, sebbene ciò non sia necessario. Un modello non parametrico potrebbe essere derivato interamente dai dati a portata di mano, ma il risultato è spesso ancora chiamato modello. Questa terminologia evidenzia il fatto che ciò che è stato costruito quando un modello è stato costruito non è la realtà ma solo un "modello" della realtà. Come ha affermato George Box " Tutti i modelli sono sbagliati ma alcuni sono utili ". Avere un modello ti permette di prevedere ma potrebbe non essere il suo scopo; potrebbe anche essere usato per simulare o spiegare.