Aprendizaje Supervisado: Random Forest Classification

Tabla de contenidos

machine learning seg煤n expertos

Definici贸n

Random Forest es un m茅todo vers谩til de aprendizaje autom谩tico capaz de realizar tanto tareas de regresi贸n como de clasificaci贸n. Tambi茅n lleva a cabo m茅todos de reducci贸n dimensional, trata valores perdidos, valores at铆picos y otros pasos esenciales de exploraci贸n de datos. Es un tipo de mtodo de aprendizaje por conjuntos, donde un grupo de modelos dbiles se combinan para formar un modelo poderoso.

Curso Te贸rico-Pr谩ctico: Machine Learning para no programadores

En Random Forest se ejecutan varios algoritmos de 谩rbol de decisiones en lugar de uno solo. Para clasificar un nuevo objeto basado en atributos, cada 谩rbol de decisi贸n da una clasificaci贸n y finalmente la decisi贸n con mayor 鈥渧otos鈥 es la predicci贸n del algoritmo.

aprende f谩cilmente inteligencia artificial - newsletter

Random Forest classification 2

algebra lineal en machine learning

Ventajas

Las ventajas que tiene este algoritmo son las siguientes:

  • Puede resolver ambos tipos de problemas, es decir, clasificaci贸n y regresi贸n, y realiza una estimaci贸n decente en ambos casos.
  • Unos de los beneficios que m谩s llama la atenci贸n es el poder de manejar grandes cantidades de datos con mayor dimensionalidad. Puede manejar miles de variables de entrada e identificar las variables m谩s significativas, por lo que se considera uno de los m茅todos de reducci贸n de dimensionalidad. Adem谩s el modelo muestra la importancia de la variable, que puede ser una caracter铆stica muy 煤til.
  • Tiene un m茅todo efectivo para estimar datos faltantes y mantiene la precisi贸n cuando falta una gran proporci贸n de los datos.

Curso Te贸rico-Pr谩ctico:Generaci麓贸n de Texto con Inteligencia Artificial
Probabilidad en Machine learning

Desventajas

A su vez la desventaja que tiene este algoritmo es la siguiente:

  • En ocasiones se puede parecer este algoritmo como una caja negra, ya que se tiene muy poco control sobre lo que hace el modelo. Puedes, en el mejor de los casos, probar diferentes par谩metros y datos aleatorios.

pregunta aprendeia

Respuesta a la pregunta del video

Opci贸n 1:聽Predecir la enfermedad de un paciente tomando en cuenta los s铆ntomas que presenta.聽

Respuesta Correcta.聽Con este algoritmo se puede determinar la enfermedad de una persona enferma de acuerdo a los s铆ntomas que presenta.

Opci贸n 2:聽Predecir el precio de una acci贸n de la bolsa de valores, tomando en cuanta los datos hist贸ricos.聽

Respuesta Incorrecta.聽Con este algoritmo no se puede predecir el valor de una acci贸n de la bolsa ya que para esto se requiere un algoritmo de regresi贸n y este es un algoritmo de clasificaci贸n.

Opci贸n 3: Predecir si una persona puede vivir o morir en el hundimiento del Titanic tomando en cuenta la edad, sexo y ubicaci贸n de su cabina.聽

Respuesta Correcta.聽Con este algoritmo se puede determinar si una persona puede vivir o morir el hundimiento del Titanic.

Si te llamo la atenci贸n todo este contenido y te animaste a empezar a estudiar Inteligencia Artificial, he desarrollado un curso que te ayudar谩, de igual forma a iniciar tu camino dentro de est谩 tecnolog铆a. Este curso te sentar谩 las bases y te dar谩 m谩s claridad para poder seleccionar el enfoque o 谩rea que m谩s te interese sobre la Inteligencia Artificial, de igual forma te ayudar谩 tener m谩s claridad en muchos conceptos que seguramente en estos momentos te parece confusos. Este curso es ideal si apenas est谩s empezando. Si quieres m谩s informaci贸n puedes ingresar a este enlace.

2 comentarios en “Aprendizaje Supervisado: Random Forest Classification”

  1. Hola!
    En una parte dice: 芦Tiene un m茅todo efectivo para estimar datos faltantes禄. 驴Hay m谩s informaci贸n sobre esto? 驴D贸nde puedo encontrarla?
    Gracias!

Deja un comentario

Tu direcci贸n de correo electr贸nico no ser谩 publicada.