Clasificador vs modelo vs estimador

¿Cuál es la diferencia entre un clasificador, modelo y estimador?

Por lo que puedo decir:

• un estimador es un predictor encontrado del algoritmo de regresión
• un clasificador es un predictor encontrado de un algoritmo de clasificación
• un modelo puede ser tanto un estimador como un clasificador

Pero al mirar en línea, parece que puedo tener estas definiciones mezcladas. Entonces, ¿cuáles son las verdaderas definiciones en el contexto del aprendizaje automático?

• estimador: Esta no es una palabra con una definición rigurosa, pero generalmente se asocia con la búsqueda de un valor actual en los datos. Si no contáramos explícitamente el cambio en nuestro bolsillo, podríamos usar una estimación. Dicho esto, en el aprendizaje automático se usa con mayor frecuencia junto con la estimación de parámetros o la estimación de densidad. En ambos casos, se supone que los datos que tenemos actualmente vienen en una forma que se puede describir con una función. Con la estimación de parámetros, creemos que la función es una función conocida que tiene parámetros adicionales como la tasa o la media y podemos estimar el valor de esos parámetros. En la estimación de densidad, es posible que ni siquiera tengamos una suposición sobre la función, pero intentaremos estimar la función independientemente. Una vez que tenemos una estimación, podemos tener a nuestra disposición un modelo.Máxima probabilidad .
• clasificador : Esto se refiere específicamente a un tipo de función (y el uso de esa función) donde la respuesta (o rango en lenguaje funcional) es discreta. En comparación con esto, un regresor tendrá una respuesta continua. Hay tipos de respuesta adicionales, pero estos son los dos más conocidos. Una vez que hayamos construido un clasificador, se espera que prediga para nosotros dentro de un rango finito de clases qué clase es probable que indique un vector de datos. Como ejemplo, un software de reconocimiento de voz puede grabar una reunión e intentar grabar en un momento dado cuál del número finito de asistentes a la reunión está hablando. Al construir este software, le daríamos a cada asistente un número que es solo nominal e intentaremos clasificarlo a ese número para cada segmento del discurso.
• modelo : El modelo es la función (o conjunto de funciones agrupadas) que puede aceptar o rechazar como representante de su fenómeno. La palabra surge de la idea de que puede aplicar el conocimiento del dominio para explicar / predecir el fenómeno, aunque esto no es obligatorio. Un modelo no paramétrico podría derivarse completamente de los datos disponibles, pero el resultado a menudo todavía se llama modelo. Esta terminología resalta el hecho de que lo que se ha construido cuando se ha construido un modelo no es la realidad sino solo un "modelo" de la realidad. Como dijo George Box " Todos los modelos están equivocados pero algunos son útiles ". Tener un modelo le permite predecir, pero ese puede no ser su propósito; También podría usarse para simular o explicar.