17/08/2023

Introducción
Extracción de características
La extracción de características es el proceso de generar características que pueden ser usadas en el
proceso de clasificado de los datos. Suele venir precedido de un preprocesamiento.
Aprendizaje de máquina
El Machine Learning es una rama de la inteligencia artificial que automatiza sistemas que aprenden
iterativamente de los datos, identifican patrones y predicen resultados futuros -con mínima
intervención humana. Tiene ramas como el aprendizaje supervisado (las clases ya están definidas),
el aprendizaje no supervisado (es aquel que no está etiquetado) y el aprendizaje por refuerzo.
Aprendizaje supervisado
La base del conocimiento del sistema está formado por ejemplos de etiquetas anteriores.
Aprendizaje no supervisado
El sistema tiene que reconocer patrones para poder etiquetar nuevas entradas.
Algoritmos de Clusterización o Agrupamiento
Es un procedimiento de agrupación de una serie de vectores de acuerdo con un criterio. Esos
criterios son por lo general distancia o similitud. La cercanía se define en términos de una
determinada función de distancia.
Tipos de algoritmos de agrupamiento
Basado en densidad
Basado en la distribución
Basado en centroides
Kmedias
Es un algoritmo de clasificación no supervisada que agrupa objetos en k grupos basándose en sus
características.
DBSCAN
Los algoritmos basados en densidad identifican regiones de alta densidad que están rodeadas de
áreas poco densas. Cada una de las áreas corresponde con un cluster. Es apropiado cuando los
cluster no tienen forma geométrica.
DBSCAN es un algoritmo de densidad simple que implementa la noción de densidad por un
procedimiento basado en centro. La densidad se estima contando el número de puntos.
Clases de puntos
Punto central
Punto de cluster
Punto ruidoso