Los principales aspectos del aprendizaje máquina supervisado

Più simili a questo

ENFOQUE CONDUCTUAL

da chrys bermudez

Mapa Conceptual sobre las Competencias EMS

da Sofia Alicia Treviño Garza

MEDIDAS ESTADISTICAS BIVARIANTES

da angel miguel torres cruz

marcos referenciales

da maria joselina jimenez

Relaciona

Machine Learning

Machine Learning o conocido del español como aprendizaje automático, tiene varios tipos. El mapa solo se ha enfocado en un tipo de aprendizaje el cual es, aprendizaje supervisado.

Tipos

Aprendizaje NO Supervisado

Aprendizaje Supervisado

Los principales aspectos del aprendizaje máquina supervisado

Algoritmos

Conjunto de entradas recibe los resultados correctos y aprende comparando su resultado real con resultados para encontrar errores, modificando el modelo de consecuencia.

SVM

SVR Regresión

Se realiza un mapeo de datos de entrenamiento, a un espacio de mayor dimensión a través del mapeo no lineal, para realizar una regresión lineal

Se busca que se separe de forma óptima los puntos de una clase de la otra dentro del hiperplano

Se relacionan con problemas de clasificación y regresión

Support-vector machine Máquina de vectores de soporte

Clasificador bayesiano ingenuo

Requiere de una cantidad mínima de datos de entrenamiento para estimar parámetros necesarios en la clasificación

Clasificador probabilístico fundamentado con teorema de Bayes

K-NN

Elección del k

Crean límites entre clases parecidas

Depende de los datos, reducen efecto de ruido en clasificación.

Algoritmo

Entrenamiento

Conocido

K-nearest neighbors K vecinos más cercanos

Árboles de decisión

Negrita

Reglas

Hay un camino único para llegar del nodo inicial a los demás

Los nodos restantes son apuntados por una única flecha

Nodo inicial no contiene flecha

Elementos

Etiquetas

Da nombre a cada acción entre nodo y flecha

Flechas

Encargada de la unión entre nodos

Vectores

Son la solución final a la que llegan las posibilidades

Nodo

Encargado de tomar una decisión entre varias posibles

Esqueleto del modelo de predicción, se representa en modo grafico como un árbol

Encargado de fabricar diagramas de construcciones lógicas, similares a sistemas de predicción basado en reglas

Regresión logística

Útil

Gráfico

La variable independiente es la combinación lineal y la variable dependiente es la probabilidad estimada.

Unidimensional

Debe aproximarse a obtener un cero en probabilidad o uno en variable explicativa x

Correlaciona la probabilidad de una variable cualitativa binaria con una variable escalar x

Aplicada

Ciencias medicas y sociales

Se usa para predecir el resultado de una variable categórica en función de variables independientes o predictoras.

Conocido como "Supervised machine learning"

Métodos

Regresión

Se predice un valor real basado en entradas pasadas

Utilizados

Predecir valores de salida basados en características de entrada y salida de los datos

Se aplica en

Diagnósticos

Detección de fraude de identidadic

Regresión lineal

Identificación de dígitos

Se distingue por la variable objetivo

Clasificación

Se utiliza la variable objetivo que es de tipo numérico

Encuentra diferentes patrones y clasifica los elementos en grupos

Predicciones

Crecimiento

Expectativa de vida

Meteorológicas

Basado en

Ejemplos

Aplicación que distinga entre millones de animales con base en imágenes y descripciones escritas

Análisis de comportamiento de clientes en sus procesos de compra, se les hace recomendaciones de compra

Enumeración o conjunto finito de clases

Dataset

Se utiliza para estrenar al sistema en el histórico de datos

Materia prima del sistema de predicción

Learning - training

Detecta patrones de un conjunto de datos.

Se produce cuando se entrena a las máquinas con datos etiquetados, permite tomar decisiones o hacer prediciones

Buscar patrones en datos históricos relacionado con campo objetivo