Tema 1.1 - Aprendizaje automático supervisado

Aprendizaje Automático Supervisado

El Aprendizaje Supervisado es un enfoque para crear inteligencia artificial (IA), en el que un algoritmo informático se entrena con datos de entrada que han sido etiquetados para un resultado concreto, el modelo se entrena hasta que puede detectar los patrones subyacentes y las relaciones entre los datos de entrada y las etiquetas de salida, lo que le permite obtener resultados de etiquetado precisos cuando se le presentan datos nunca antes vistos.

Clasificación:

Un algoritmo de clasificación tiene como objetivo clasificar las entradas en un número determinado de categorías o clases, basándose en los datos etiquetados con los que fue entrenado, los algoritmos de clasificación pueden utilizarse para clasificaciones binarias, como filtrar el correo electrónico en spam o no spam y clasificar los comentarios de los clientes como positivos o negativos, el reconocimiento de características, como el reconocimiento de letras y números escritos a mano o la clasificación de medicamentos en muchas categorías diferentes, es otro problema de clasificación que se resuelve con el aprendizaje supervisado.

Regresión:

El análisis de regresión consiste en un conjunto de métodos de aprendizaje automático que permiten predecir una variable de resultado continua (y) en función del valor de una o varias variables predictoras (x). En resumen, el objetivo del modelo de regresión es construir una ecuación matemática que defina y como una función de las variables x.