Aprendizaje automático: tipos y ejemplos
Un mapa visual de tres formas de aprender: con respuestas conocidas, buscando patrones y probando acciones con recompensas.
Pulsa la infografía para verla a tamaño real.
Prueba los ejemplos de supervisado y no supervisado
Es una guía simplificada: la detección de anomalías también puede usar etiquetas.
¿Qué es el aprendizaje automático?
El aprendizaje automático permite ajustar modelos a partir de datos para reconocer patrones o hacer predicciones. La regresión predice cantidades; la clasificación asigna categorías; el agrupamiento busca grupos; la detección de anomalías localiza casos que se alejan de un patrón.
Cómo se utiliza en este recurso
En el aprendizaje supervisado se utilizan respuestas conocidas durante el entrenamiento. En el no supervisado se busca estructura sin esas respuestas. Esta guía presenta cuatro tareas y no pretende cubrir todos los enfoques de aprendizaje automático.
Alcance y límites
La detección de anomalías puede ser supervisada, semisupervisada o no supervisada. El ejemplo de las galletas usa una regla de distancia respecto a la mediana, sin aprender un modelo.
Preguntas frecuentes
¿Regresión y clasificación son lo mismo?
No. La regresión estima una cantidad, como un precio. La clasificación decide una categoría, como spam o no spam.
¿Agrupar equivale a clasificar?
No. Agrupar descubre conjuntos por similitud; clasificar aprende a elegir entre categorías definidas previamente.
Fuentes para contrastar y ampliar
- Google: introducción al aprendizaje automático
- scikit-learn: detección de valores atípicos y novedades