Aprendizaje Supervisado y No Supervisado (Machine Learning)

El Machine Learning se divide en 2 áreas principales.

Aprendizaje Supervisado: Sirve para hacer predicciones a futuro basadas en comportamientos que se han visto en los datos almacenados. Ejemplo: Clasificar correo como SPAM según palabras en el asunto o el contenido.

Aprendizaje NO Supervisado: Usa datos históricos “NO Etiquetados” con el fin de explorarlos para encontrar alguna estructura o forma de organizarlos, Ejemplo: Clasificar el comportamiento de los clientes en función del tipo de compras

A continuación se presenta información más detallada de ambas definiciones:

 

Aprendizaje supervisado

En el Aprendizaje Supervisado cuenta con un conjunto de ejemplos de los cuáles conocemos la respuesta. Lo que deseamos es formular algún tipo de regla o correspondencia a partir de datos de entrenamiento que nos permita dar (o aproximar) la respuesta para todos los objetos que se nos presenten. La salida de la función puede ser un valor numérico (como en los problemas de regresión) o una etiqueta de clase (como en los de clasificación).

El objetivo del aprendizaje supervisado es el de crear una función capaz de predecir el valor correspondiente a cualquier objeto de entrada válida después de haber visto una serie de ejemplos, los datos de entrenamiento. Para ello, tiene que generalizar a partir de los datos presentados a las situaciones no vistas previamente.

 

Aprendizaje no supervisado

El aprendizaje NO Supervisado sirve para entender y resumir los datos en Clusters.
Recordando que el aprendizaje supervisado funciona a través de la clasificación y regresión y que requiere instancias (registros) etiquetados para su entrenamiento, el aprendizaje NO supervisado requiere instancias no etiquetadas particionando los datos en grupos, también conocidos como Clusters.

Taller de Desarrollo con Javascript

Regístrate en nuestra plataforma en linea para tener acceso completo y gratuito del taller

Registrarme

Taller de desarrollo de Pokedex con Android Studio

Regístrate en nuestra plataforma en linea para tener acceso completo y gratuito del taller

Registrarme