Aprendizaje Automático

Aprendizaje Automático

1. Terminologia

   • Etiqueta
     • Es el valor que tratamos de predecir, es decir, la variable
   • Atributo
     • Se puede usar solo un atributo o millones de ellos [X1, X2, X3...Xn]
     • Es el valor de entrada, es decir, la variable conocida

2. Ejemplos

   • Con etiqueta
     • labeled examples: {features, label}: (x, y)
     • Se usan para entrenar el Modelo. Incluyen etiquetas y atributos
   • Sin etiqueta
     • unlabeled examples: {features, ?}: (x, ?)
     • Se usan para predecir etiquetas. Estos contienen atributos pero no las etiquetas

3. Modelo

   • Un Modelo define la relación entre los atributos y la etiqueta
     • Fases en el ciclo de un Modelo
       • Entrenamiento
         • Es crear o enseñar al Modelo. Se utilizan Ejemplos Con Etiquetas
           • El modelo aprende gradualmente la relacion entre los atributos y la etiqueta
       • Inferencia
         • Es usar el Modelo entrenado para predecir etiquetas
     • Tipos de Modelos
       • De Regresión
         • Un modelo de este tipo responde a preguntas como : ¿Cuál es el valor de una casa en California?
         • Predicen valores continuos
       • De Clasificación
         • Estos modelos responden a preguntas como : ¿Esta imagen es de un perro, un gato o un hámster?
         • Predice valores discretos