Tipos de Aprendizaje Automático
Desliza para mostrar el menú
Aprendizaje supervisado
Aprendizaje supervisado es una técnica de aprendizaje automático en la que el modelo se entrena con un conjunto de entrenamiento etiquetado.
Las tareas de aprendizaje supervisado más populares son:
-
Regresión (por ejemplo, predecir el precio de una casa): para ello, se necesita un conjunto de entrenamiento etiquetado con otros precios de casas;
-
Clasificación (por ejemplo, clasificar un correo electrónico como spam/no spam): para ello, se necesita un conjunto de entrenamiento etiquetado como spam/no spam.
Aprendizaje no supervisado
Aprendizaje no supervisado es una técnica de aprendizaje automático en la que el modelo se entrena con un conjunto de datos de entrenamiento sin etiquetar.
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 mientras preserva 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 juegos y más.
El 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, se necesita 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?
¡Gracias por tus comentarios!
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
