Sobre el artículo de Domingos
Leí el otro día A Few Useful Things to Know about Machine Learning de Pedro Domingos, que me dejó ojiplático. Os cuento por qué.
El artículo yuxtapone una serie de temas (debidamente organizados en secciones independientes) tales como:
Lo que cuenta es la generalización Que, por eso, los datos no son suficientes y hacen falta modelos testables Que el overfitting es un problema serio Que en dimensiones elevadas pasan cosas raras Que hay que tener cuidado con la teoría (en particular, los resultados asintóticos) Que hay que elegir muy bien las variables (las llama features) de los modelos Que es bueno combinar modelos Que la correlación no implica causalidad Etc.
