分類器とモデルと推定器

分類器、モデル、推定器の違いは何ですか？

私が言えることから：

• 推定量は回帰アルゴリズムから発見された予測量です
• 分類子は、分類アルゴリズムから見つかった予測子です
• モデルは推定器または分類器の両方にすることができます

しかし、オンラインで見ると、これらの定義が混同されているように見えます。それでは、機械学習の文脈における真の定義は何でしょうか？

• 推定者：これは厳密な定義を持つ単語ではありませんが、通常はデータの現在の値を見つけることに関連しています。ポケット内の変化を明示的にカウントしなかった場合、推定値を使用できます。ただし、機械学習では、パラメータ推定または密度推定と組み合わせて最も頻繁に使用されます。どちらの場合も、現在のデータは関数で記述できる形式であるという仮定があります。パラメーター推定では、関数はレートや平均などの追加パラメーターを持つ既知の関数であり、これらのパラメーターの値を推定できると考えています。密度推定では、関数についての仮定さえないかもしれませんが、それにもかかわらず関数を推定しようとします。見積もりができたら、自由にモデルを使用できます。最尤。
• 分類子：これは、応答（または関数型言語の範囲）が離散的な関数のタイプ（およびその関数の使用）を特に指します。これと比較して、リグレッサーは継続的な応答を持ちます。追加の応答タイプがありますが、これらは最もよく知られている2つです。分類器を作成したら、データのベクトルが示す可能性のあるクラスの有限範囲内から予測することが期待されます。例として、音声認識ソフトウェアは、会議を記録し、任意の時点で、有限数の会議参加者のうちのどれが話しているかを記録しようとする場合がある。このソフトウェアを構築するには、各出席者に名目上の数字のみを割り当て、音声の各セグメントについてその数字に分類しようとします。
• モデル：モデルは、現象を表すものとして受け入れるか拒否する可能性がある関数（またはプールされた関数のセット）です。この言葉は、必要ではありませんが、現象を説明/予測するためにドメイン知識を適用できるという考えに由来しています。ノンパラメトリックモデルは、手元のデータから完全に派生する場合がありますが、結果は依然としてモデルと呼ばれます。この用語は、モデルが構築されたときに構築されたものが現実ではなく、現実の「モデル」にすぎないという事実を強調しています。ジョージ・ボックスが言ったように、「すべてのモデルは間違っていますが、いくつかは有用です」。モデルを持つことで予測することができますが、それはその目的ではないかもしれません。シミュレーションや説明にも使用できます。