Introducción Machine Learning

Este algoritmo tiene una variedad de objetivos relacionados con agrupar o segmentar una colección de objetos, es decir, observaciones, individuos, casos o filas de datos, en subconjuntos o clústeres, de modo que los datos que están dentro de cada grupo están más estrechamente relacionados con unos a otros que los objetos asignados a diferentes grupos. En la agrupación jerárquica, los datos no se particionan en …

Aprendizaje No Supervisado: Hierarchical Clustering Leer más »

K-Means es un tipo de aprendizaje no supervisado, que se utiliza cuando tienes datos no etiquetados, es decir, datos sin categorías o grupos definidos. El objetivo de este algoritmo es encontrar grupos en los datos, los puntos de datos se agrupan según la similitud de características. Este tipo de análisis de datos es muy útil en muchas aplicaciones que requieren clasificación de datos, como identificar …

Aprendizaje No Supervisado: K-Means Clustering Leer más »

Tabla de contenidos Definición Random Forest es un método versátil de aprendizaje automático capaz de realizar tanto tareas de regresión como de clasificación. También lleva a cabo métodos de reducción dimensional, trata valores perdidos, valores atípicos y otros pasos esenciales de exploración de datos. Es un tipo de método de aprendizaje por conjuntos, donde un grupo de modelos débiles se combinan para formar un modelo …

Aprendizaje Supervisado: Random Forest Classification Leer más »

Tabla de contenidos Definición Árbol de decisión o Decisión Tree Classification es un tipo de algoritmo de aprendizaje supervisado que se utiliza principalmente en problemas de clasificación, aunque funciona para variables de entrada y salida categóricas como continuas. En esta técnica, dividimos la data en dos o más conjuntos homogéneos basados en el diferenciador más significativos en las variables de entrada. El árbol de decisión identifica la variable …

Aprendizaje Supervisado: Decision Tree Classification Leer más »

Tabla de contenidos Definición El algoritmo de vectores de soporte o Support Vector Machine es un clasificador discriminatorio definido formalmente por un hiperplano de separación. En otras palabras, dados los datos de entrenamiento etiquetados el algoritmo genera un hiperplano óptimo que clasifica los nuevos ejemplos en dos espacios dimensionales, este hiperplano es una linea que divide un plano en dos partes donde en cada clase se encuentra en cada …

Aprendizaje Supervisado: Support Vector Machine Leer más »

Tabla de contenidos La clasificación de Machine Learning es muy diferente en distintas en literaturas, esto se debe a que cada vez se mejoran las tecnologías y por consiguiente se desarrollan nuevos algoritmos. A pesar de todo, podemos clasificar Machine Learning de la siguiente forma. Aprendizaje Supervisado En los problemas de aprendizaje supervisado, comenzamos el análisis con un conjunto de datos que contiene ejemplos de …

Clasificación de Machine Learning Leer más »

Tabla de contenidos Definir Machine Learning no es fácil ya que abarca muchas áreas y cada vez se agregan nuevos avances que hace más robusto esta definición. Veamos, primeramente, cómo la definen varios expertos y empresas reconocidas en esta área. Andrew Ng Andrew Ng, Profesor de la Universidad de Stanford, la define como la ciencia de hacer que las computadoras actúen sin estar explícitamente programadas. …

Machine Learning según expertos Leer más »

Machine Learning moldeará nuestro futuro con más fuerza que cualquier otra innovación en este siglo. Cualquiera que no lo entienda pronto se sentirá abandonado, despertando en un mundo lleno de tecnología que se siente cada vez más como magia. La velocidad de aceleración ya es asombrosa. Después de varios periodos de falsas esperanzas en las últimas cuatro décadas, los rápidos avances en el almacenamiento de …

Introducción a Machine Learning Leer más »