Non c'è modo, tutti i modelli ML non riguardano la comprensione del fenomeno, sono i metodi di interpolazione con la speranza "che funzioni". Inizia con tali domande fiducia, robustezza al rumore non ci sono risposte.
Quindi, per ricavare qualcosa, si prega di utilizzare varie scienze applicate e fondamentali:
Usa il controllo (e fai ipotesi sulla dinamica)
Usa l'ottimizzazione convessa (con alcune condizioni extra sulla funzione)
Usa le statistiche matematiche (con ipotesi preliminari sulle distribuzioni)
Usa l'elaborazione del segnale (con alcuni presupposti che il segnale è limitato in banda)
Gli scienziati usano alcune ipotesi prelimiarie (chiamate assiomi) per ricavare qualcosa.
Non c'è modo di dare fiducia senza un'ipotesi preliminare, quindi il problema non è nel DL mehtod, ma è un problema in qualsiasi metodo che tenta di interpolare senza QUALSIASI ipotesi preliminare: non c'è modo di derivare via algebra qualcosa di intelligentemente senza un'ipotesi.
NN e vari metodi ML sono per la prototipazione rapida per creare "qualcosa" che sembra funzionare "in qualche modo" verificato con validazione incrociata.
Ancora più in profondità la regressione che si adatta a E [Y | X] o la sua stima può essere un problema assolutamente errato da risolvere (forse pdf nel punto Y = E [Y | X] ha minimo, non massimo), e ce ne sono molti così sottili cose.
Vorrei anche ricordare due problemi irrisolvibili in AI / ML, che possono essere dimenticati per alcuni motivi, dietro gli slogan di bellezza:
(1) Sono metodi di interpolazione, non estrapolazione: non ha la capacità di affrontare nuovi problemi
(2) nessuno sa come si comporterà un modello su dati che non provengono dalla stessa distribuzione (uomo in costume di banana per localizzazione pedonale)