Web Analytics
Avisos
Vaciar todo

¡Bienvenido a zonaia 😀!


Un foro de ayuda para aprender a crear chatbots.


Aprende ManyChat, Chatfuel y Dialogflow.


¡No esperes más y únete a nosotros hoy!


Aprendizaje automático con Python - Algoritmos  

 

Leonardo Mayorga
(@admin)
Miembro Admin
Registrado: hace 2 años
Respuestas: 474
25/09/2018 11:54 pm  

Los algoritmos de aprendizaje automático se pueden clasificar en general en dos tipos: Supervisado y No supervisado. Este capítulo los discute en detalle.

Aprendizaje supervisado

Este algoritmo consiste en un objetivo o resultado o variable dependiente que se predice a partir de un conjunto determinado de predictores o variables independientes. Usando este conjunto de variables, generamos una función que mapea las variables de entrada a las variables de salida deseadas. El proceso de entrenamiento continúa hasta que el modelo logre un nivel deseado de precisión en los datos de entrenamiento.

Ejemplos de aprendizaje supervisado: regresión, árbol de decisión, bosque aleatorio, KNN, regresión logística, etc.

Aprendizaje no supervisado

En este algoritmo, no hay objetivo o resultado o variable dependiente para predecir o estimar. Se utiliza para agrupar un conjunto de datos determinado en diferentes grupos, que se usa ampliamente para segmentar clientes en diferentes grupos para una intervención específica. Algoritmo Apriori y K-means son algunos de los ejemplos de aprendizaje no supervisado.

Aprendizaje reforzado

Usando este algoritmo, la máquina está entrenada para tomar decisiones específicas. Aquí, el algoritmo se entrena continuamente utilizando métodos de prueba y error y métodos de retroalimentación. Esta máquina aprende de experiencias pasadas e intenta capturar el mejor conocimiento posible para tomar decisiones comerciales precisas.

El proceso de decisión de Markov es un ejemplo de aprendizaje reforzado.

Lista de algoritmos comunes de aprendizaje automático

Aquí está la lista de algoritmos de aprendizaje automático comúnmente utilizados que se pueden aplicar a casi cualquier problema de datos:

  • Regresión lineal
  • Regresión logística
  • Árbol de decisión
  • SVM
  • Naive Bayes
  • KNN
  • K-Means
  • Random Forest
  • Algoritmos de reducción de dimensionalidad
  • Algoritmos de aumento de gradiente como GBM, XGBoost, LightGBM y CatBoost

Para continuar viendo el resto de contenido por favor Crea Una Cuenta o Inicia Sesión


Citar
Compartir:
Sitio web hecho con ❤ para el mundo