MACHINE LEARNING

MACHINE LEARNING

1. Aprendizaje Supervisado

   • Los datos están pre-categorizados o numéricos
     • Encuentra patrones (desarrolla modelos predictivos) utilizando tanto datos de entrada como datos de salida. Todas las técnicas de aprendizaje supervisado forman parte de una clasificación o regresión
       • Predice una categoría
         • CLASIFICACIÓN
       • Predice un número
         • REGRESIÓN
       • Decision Tree
         • Comprender los atributos del producto que hacen que un producto sea más probable que se compre
         • Proporcionar un marco de decisión para la contratación de nuevos empleados
       • Regresión logística
         • Clasifique a los clientes según la probabilidad de que paguen
       • Regresión Lineal
         • Optimice los precios y estime elasticidad precio
         • Comprender los impulsores de ventas de productos como como precios de competencia, distribución, publicidad, etc.
       • Gradient-Boosting-Trees
         • Pronosticar la demanda del producto y niveles de inventario
       • Bosques Aleatorios
         • Predecir el volumen de llamadas en centros de llamadas para decisiones de personal

2. Aprendizaje No Supervisado

   • Los datos no están etiquetados de ninguna manera
     • • Clustering
         • K-means clustering
           • Segmentar clientes en grupos por características diferentes
         • Hierarchical Clustering
           • Agrupe a los clientes de tarjeta de fidelidad en grupos progresivamente más segmentados
       • Reducción Dimensión
         • Si queremos predecir las ventas de una tienda minorista para un artículo en particular. Las características de entrada utilizadas para la predicción son cifras de ventas, cambios minoristas del artículo, movimiento de inventario, detalles de la tienda, venta minorista de la competencia, demografía del cliente e información del cliente como dirección, código postal, etc.
   • Encuentra patrones basados solo en datos de entrada. Esta técnica es útil cuando no estás seguro de qué buscar