El aprendizaje automático: Es el subconjunto de inteligencia artificial (IA) que se

centra en desarrollar sistemas que aprenden, o mejoran el rendimiento, en función

de los datos que consumen. Inteligencia artificial es un término amplio que se
refiere a sistemas o máquinas que imitan la inteligencia humana.
Aprendizaje supervisado: Es una técnica para deducir una función a partir de
datos de entrenamiento. Los datos de entrenamiento consisten de pares de
objetos (normalmente vectores): una componente del par son los datos de entrada
y el otro, los resultados deseados. La salida de la función puede ser un valor
numérico (como en los problemas de regresión) o una etiqueta de clase (como en
los de clasificación). El objetivo del aprendizaje supervisado es el de crear una
función capaz de predecir el valor correspondiente a cualquier objeto de entrada
válida después de haber visto una serie de ejemplos, los datos de entrenamiento.
Para ello, tiene que generalizar a partir de los datos presentados a las situaciones
no vistas previamente.
Clasificación Binaria: Es un tipo de clasificación en el que tan solo se pueden
asignar dos clases diferentes (0 o 1). El ejemplo típico es la detección de email
spam, en la que cada email es: spam → en cuyo caso será etiquetado con un 1; o
no lo es → etiquetado con un 0.
Clasificación Multi-clase: Se pueden asignar múltiples categorías a las
observaciones. Como el reconocimiento de caracteres de escritura manual de
números (en el que las clases van de 0 a 9).
Función logit: Es simplemente el logaritmo de la función impar (log-odds). Esta
función toma valores de entrada en el rango [0,1] en valores en el rango completo
de numeros reales [-∞,∞].
función sigmoide: Permite describir esta evolución. Su gráfica tiene una típica
forma de "S".
Máquinas de Vector Soporte (SVM): Este algoritmo puede ser considerado una
extensión del algoritmo “perceptron”. En SVM el objetivo de la optimización es
establecer una línea de decisión que separe las clases maximizando el margen
entre esta línea y los puntos de muestra cercanos a este hiperplano. Estos puntos
se llaman vectores soporte.
Proporción: Es la medida estadística más simple que puede adscribirse a una
variable binaria. La proporción expresa la frecuencia con que se encuentra la
variable de interés, dentro del conjunto total de datos de una población.
Regresión logística: Es un algoritmo de clasificación (a pesar de su nombre)
simple, pero potente. Funciona muy bien en clases linealmente separables y se
puede extender a clasificación multiclase, a través de la técnica OvR.