Aprende Tipos de Aprendizaje Automático

Aprendizaje Supervisado

Definición

El aprendizaje supervisado es una técnica de aprendizaje automático en la que el modelo se entrena con un conjunto de entrenamiento etiquetado.

Las tareas más populares de aprendizaje supervisado son:

Regresión (por ejemplo, predicción del precio de una casa): se requiere un conjunto de entrenamiento etiquetado con otros precios de casas para ello;
Clasificación (por ejemplo, clasificación de correos electrónicos como spam/ham): se requiere un conjunto de entrenamiento etiquetado como spam/ham para ello.

Aprendizaje no supervisado

Definición

El aprendizaje no supervisado es una técnica de aprendizaje automático en la que el modelo se entrena con un conjunto de entrenamiento sin etiquetas.

Las principales tareas de aprendizaje no supervisado son agrupamiento, detección de anomalías y reducción de dimensionalidad.

Agrupamiento

Agrupa puntos de datos similares en clústeres sin etiquetas; por ejemplo, agrupar correos electrónicos sin saber si son spam o no.

Detección de anomalías

Identifica puntos de datos que se desvían de los patrones normales, como transacciones inusuales con tarjetas de crédito, sin necesidad de etiquetas de fraude.

Reducción de dimensionalidad

Reduce el número de características preservando la información importante — también sin etiquetas.

Aprendizaje por Refuerzo

El aprendizaje por refuerzo difiere significativamente de los dos tipos anteriores. Es una técnica utilizada para entrenar vehículos autónomos, robots, inteligencia artificial en videojuegos y más.

Definición

Aprendizaje por refuerzo es una técnica de aprendizaje automático en la que el agente (por ejemplo, un robot aspiradora) aprende tomando decisiones y recibe una recompensa si la decisión es correcta y una penalización si la decisión es incorrecta.

El entrenamiento de un perro para traer objetos funciona de manera similar al aprendizaje por refuerzo: las buenas acciones obtienen una recompensa, las acciones incorrectas reciben una penalización, y traer la pelota con éxito obtiene una recompensa mayor, reforzando el comportamiento deseado.

1. Para entrenar el modelo de ML en una tarea de aprendizaje supervisado, es necesario que el conjunto de entrenamiento contenga el objetivo (esté etiquetado). ¿Es correcto?

2. Para entrenar el modelo de ML en una tarea de aprendizaje no supervisado, no se requiere que el conjunto de entrenamiento contenga un objetivo (esté etiquetado). ¿Es correcto?

¿Todo estuvo claro?

¡Gracias por tus comentarios!

Sección 1. Capítulo 2

Pregunte a AI

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

Desliza para mostrar el menú

Aprendizaje Supervisado

Definición

El aprendizaje supervisado es una técnica de aprendizaje automático en la que el modelo se entrena con un conjunto de entrenamiento etiquetado.

Las tareas más populares de aprendizaje supervisado son:

Regresión (por ejemplo, predicción del precio de una casa): se requiere un conjunto de entrenamiento etiquetado con otros precios de casas para ello;
Clasificación (por ejemplo, clasificación de correos electrónicos como spam/ham): se requiere un conjunto de entrenamiento etiquetado como spam/ham para ello.

Aprendizaje no supervisado

Definición

El aprendizaje no supervisado es una técnica de aprendizaje automático en la que el modelo se entrena con un conjunto de entrenamiento sin etiquetas.

Las principales tareas de aprendizaje no supervisado son agrupamiento, detección de anomalías y reducción de dimensionalidad.

Agrupamiento

Agrupa puntos de datos similares en clústeres sin etiquetas; por ejemplo, agrupar correos electrónicos sin saber si son spam o no.

Detección de anomalías

Identifica puntos de datos que se desvían de los patrones normales, como transacciones inusuales con tarjetas de crédito, sin necesidad de etiquetas de fraude.

Reducción de dimensionalidad

Reduce el número de características preservando la información importante — también sin etiquetas.

Aprendizaje por Refuerzo

Definición

1. Para entrenar el modelo de ML en una tarea de aprendizaje supervisado, es necesario que el conjunto de entrenamiento contenga el objetivo (esté etiquetado). ¿Es correcto?

2. Para entrenar el modelo de ML en una tarea de aprendizaje no supervisado, no se requiere que el conjunto de entrenamiento contenga un objetivo (esté etiquetado). ¿Es correcto?

¿Todo estuvo claro?

¡Gracias por tus comentarios!

Sección 1. Capítulo 2