Resumen

Nombre: Alejandro Mendoza Perez

Arbol de decision:
El arbol de decision sirve para contruir diagramas en las bases de datos, con construcciones lógicas que
sirven para representar condiciones que surgen sucesivamente. Sirve para modelar funciones discretas o
escribir problemas con mas de una dimension o condicion.

Clustering:
El clustering es una técnica basada en analisis estadisticos, y agrupa items en grupos cerrados y
homogeneos que pueden compartir caracterisiticas similares. Sirve para hacer segmentacion de clientes
en grupos, o agrupar articulos por temas.

Deep learning:
El deep learning sirve para modificar parametros para adaptare a nuevas tareas, el algoritmo sirve para
identificar patrones y anomalias y asi aprende y previene nuevos errores. No es lo mismo que
inteligencia artificial, las capas aprenden jerárquicamente, donde las primeras capas aprenden
conceptos concretos(Tornillo,Rueda). En las capas más profundos se usan estos conceptos para hablar
de cosas más abstractas(Carro). Se puede usar en modelos de audio o tratamiento de imagenes.

Ensemble:
Un ensemble es un conjunto de modelos de machine learning. Cada modelo produce una predicción
diferente. Las predicciones de los distintos modelos se combinan para obtener una única predicción.
Sirve para implicit data, modelos vecinos, y matrix factorization.

Reduccion de dimensionalidad:
Reduce las dimensiones de un conjunto de variables
continuas agregando varianza en menos componentes
utilizando:
- PCA
- LDA
Las variables se especifican como campos en una tabla y los nuevos
campos que representan las variables se guardan en la tabla de
salida.

Regresion:
El análisis de regresión es un proceso estadístico que ayuda a entender cómo el valor de la variable
dependiente varía al cambiar el valor de una de las variables independientes, manteniendo el valor
de las otras variables independientes fijos, es ampliamente utilizado para la predicción y previsión.
Sirve para pronosticar en unos datos o para mirar si existe una relacion entre variable/predictor.