Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema: parte 1
Sin embargo, cuando las distintas “clases” están muy desequilibradas, esta
forma de clasificar la “bondad” del funcionamiento de un clasificador resulta
poco útil. Por ejemplo, si la tasa de abandono de clientes (“churn”) es de un
10% al mes (es decir, 10 personas de cada 100 se dan de baja al mes), y
consideramos al cliente que se da de baja como clase “positiva”, la relación
entre clases positivas: negativas esperada sería de 1:9. Así que si
directamente asignamos todos los clientes la clase negativa (=no churn),
estaríamos consiguiendo una precisión base del 90%, pero… no nos serviría
para nada.
El perceptrón
Fue el primer modelo de red neuronal artificial desarrollado en 1958 por
Rosenblatt. Despertó un enorme interés en los años 60 debido a su
capacidad para aprender a reconocer patrones sencillos.
Está formado por varias neuronas para recibir las entradas a la red y una
neurona de salida que es capaz de decidir cuándo una entrada a la red
pertenece a una de las dos clases que es capaz de reconocer.
Al constar sólo de una capa de entrada y otra de salida con una única
neurona, tiene una capacidad de representación bastante limitada. Sólo es
capaz de discriminar patrones muy sencillos y linealmente separables en el
plano. Es incapaz, por ejemplo, de representar la función OR-EXCLUSIVA.
La separabilidad lineal limita a las redes con sólo dos capas a la resolución
de problemas en los cuáles el conjunto de puntos (valores de entrada) sean
separables geométricamente. En el caso de dos entradas, la separación se
lleva a cabo mediante una línea recta. Para tres entradas, la separación se
realiza mediante un plano en el espacio tridimensional y así sucesivamente
hasta el caso de N entradas, en el cuál el espacio N-dimensional es dividido
en un hiperplano.
salida = W E
Dónde:
Este produce un 1 sólo si W.E > 0 Esto significa que todo el espacio de
entradas se divide en dos a lo largo de un límite definido por W.E = 0, es
decir, un plano en el espacio de entrada con coeficientes definidos por los
pesos.
APRENDIZAJE DE LAS RNA
Es el proceso por el que una RNA actualiza los pesos (y, en algunos
casos, la arquitectura) con el propósito de que la red pueda llevar a cabo de
forma efectiva una tarea determinada.
El Perceptron Simple.
La Red de Hopfield.
El Perceptron Multicapa.
Red neuronal Competitiva Simple.
Redes Neuronales Online ART1.
Redes Neuronales competitivas ART2.
redes neuronal auto organizado: Mapas de Kohonen.
Tipos de R. N. A.
Perceptrón multicapa
Red neuronal Convolucional (CNN)