Beruflich Dokumente
Kultur Dokumente
Presentadores:
José Luis Malón
Agenda
Fundamentos de Machine Learning
Aprendizaje Supervisado
“What’s the Difference Between Artificial Intelligence, Machine Learning, and Deep Learning?”, Michael Copeland, 2016
Supervisado No Supervisado
Aprendizaje Supervisado
https://www.kdnuggets.com/2019/05/poll-tools-analytics-data-science-machine-learning-results.html
https://www.kdnuggets.com/2019/05/poll-tools-analytics-data-science-machine-learning-results.html
http://www.todobi.com/2018/05/las-20-mejores-librerias-para-data.html
Aprendizaje Supervisado
• Su objetivo es la predicción.
• Se conoce la variable objetivo (Variable de salida).
• Las variables que ayudan a predecir la variable de salida
son las variables de entrada.
• Se separa el conjunto de datos en dos partes una para
entrenar el modelo y otra para evaluar el modelo.
• Utiliza el modelo para predecir nuevos datos.
• Rangos de Edad.
• No Compra
• Compra
• Ingresos.
• Estado Civil.
• Entre otros ...
Malón, José Luis jose.malonne12@gmail.com
Modelos supervizados
• Se usa cuando el resultado • Es útil para predecir productos que
deseado es una etiqueta discreta. son continuos.
• En el caso de que el modelo • La respuesta a la pregunta se
entrenado es para predecir presenta mediante una cantidad
cualquiera de las dos clases que puede determinarse de
objetivos, se le conoce como manera flexible en función de las
clasificación binaria. entradas del modelo.
• Si Tenemos que predecir más de • El valor predicho se puede usar
dos clases objetivos, se le conoce para identificar la relación lineal
como clasificación multicategoría. entre los atributos.
Clasificación Regresión
El árbol de decisión es una de las formas más rápidas para identificar las variables
más significativas.
Condición Condición
Si No Si No
Condición Condición Condición Condición
Si No Si No
Condición Condición Condición Condición
• Se define la tasa de error out of bag (OOBi) de una observación xi como el error obtenido al
ser clasificada por los árboles del bosque construidos sin su intervención.
• La estimación OOB del error es el promedio de todos los OOBi para todas las observaciones
del conjunto de datos.
• La medida se puede extrapolar al problema de regresión describiéndola en términos del ECM.
Aprendizaje Supervisado