Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen
Algunos sistemas de aprendizaje automtico intentan eliminar toda necesidad de intuicin
o conocimiento experto de los procesos de anlisis de datos, mientras otros tratan de
establecer un marco de colaboracin entre el experto y la computadora. De todas formas,
la intuicin humana no puede ser reemplazada en su totalidad, ya que el diseador del
sistema ha de especificar la forma de representacin de los datos y los mtodos de
manipulacin y caracterizacin de los mismos. Sin embargo, las computadoras son
utilizadas por todo el mundo con fines tecnolgicos muy buenos.
Modelos
El aprendizaje automtico tiene como resultado un modelo para resolver una tarea dada.
Entre los modelos se distinguen1
Atributos
Un atributo o caracterstica es un tipo de medida realizada sobre cualquier instancia a
medir. Los atributos mapean el espacio de instancias a un conjunto de valores o dominio
de atributos. Los valores del dominio pueden ser nmeros como la frecuencia de aparicin
de las instancias, valores binarios o un conjunto cualquiera como el de meses, estaciones
o colores.
Tipos de algoritmos
Aprendizaje semisupervisado
Este tipo de algoritmos combinan los dos algoritmos anteriores para poder
clasificar de manera adecuada. Se tiene en cuenta los datos marcados y los no
marcados.
Aprendizaje por refuerzo
El algoritmo aprende observando el mundo que le rodea. Su informacin de
entrada es el feedback o retroalimentacin que obtiene del mundo exterior como
respuesta a sus acciones. Por lo tanto, el sistema aprende a base de ensayo-error.
Transduccin
Similar al aprendizaje supervisado, pero no construye de forma explcita una
funcin. Trata de predecir las categoras de los futuros ejemplos basndose en los
ejemplos de entrada, sus respectivas categoras y los ejemplos nuevos al sistema.
Aprendizaje multi-tarea
Mtodos de aprendizaje que usan conocimiento previamente aprendido por el
sistema de cara a enfrentarse a problemas parecidos a los ya vistos.
El anlisis computacional y de rendimiento de los algoritmos de
aprendizaje automtico es una rama de la estadstica conocida
como teora computacional del aprendizaje.
El aprendizaje automtico las personas lo llevamos a cabo de
manera automtica ya que es un proceso tan sencillo para
nosotros que ni nos damos cuenta de cmo se realiza y todo lo
que implica. Desde que nacemos hasta que morimos los seres
humanos llevamos a cabo diferentes procesos, entre ellos
encontramos el de aprendizaje por medio del cual adquirimos
conocimientos, desarrollamos habilidades para analizar y evaluar
a travs de mtodos y tcnicas as como tambin por medio de la
experiencia propia. Sin embargo, a las mquinas hay que
indicarles cmo aprender, ya que si no se logra que una mquina
sea capaz de desarrollar sus habilidades, el proceso de
aprendizaje no se estar llevando a cabo, sino que solo ser una
secuencia repetitiva. Tambin debemos tener en cuenta que el
tener conocimiento o el hecho de realizar bien el proceso de
aprendizaje automtico no implica que se sepa utilizar, es preciso
saber aplicarlo en las actividades cotidianas, y un buen
aprendizaje tambin implica saber cmo y cundo utilizar nuestros
conocimientos.
Para llevar a cabo un buen aprendizaje es necesario considerar
todos los factores que a este le rodean, como la sociedad, la
economa, la ciudad, el ambiente, el lugar, etc. Por lo tanto, es
necesario empezar a tomar diversas medidas para lograr un
Enfoques
rboles de decisiones
Este tipo de aprendizaje usa un rbol de decisiones como modelo
predictivo. Se mapean observaciones sobre un objeto con
conclusiones sobre el valor final de dicho objeto.
Los rboles son estructuras bsicas en la informtica. Los rboles
de atributos son la base de las decisiones. Una de las dos formas
principales de rboles de decisiones es la desarrollada
por Quinlan de medir la impureza de la entropa en cada rama,
algo que primero desarroll en el algoritmo ID3 y luego en el C4.5.
Otra de las estrategias se basa en el ndice GINI y fue
desarrollada por Breiman, Friedman et alia. El algoritmo de CART
es una implementacin de esta estrategia.2
Reglas de asociacin
Los algoritmo de reglas de asociacin procuran descubrir
relaciones interesantes entre variables. Entre los mtodos ms
conocidos se hallan el algoritmo a priori, el algoritmo Eclat y el
algoritmo de Patrn Frecuente.
Algoritmos genticos
Los algoritmos genticos son procesos de bsqueda heurstica
que simulan la seleccin natural. Usan mtodos tales como la
mutacin y el cruzamiento para generar nuevas clases que
puedan ofrecer una buena solucin a un problema dado.
Algoritmos de agrupamiento
Artculo principal: Algoritmo de agrupamiento
Redes bayesianas
Artculo principal: Redes bayesianas