ANALITICA DE DATOS

cuadro comparativo

TÉCNICAS DE
¿QUÉ ES? TIPOS ¿PARA QUÉ SIRVE? VENTAJAS DESVENTAJAS
EXPORTACIÓN

*Su principal ventaja está en que son modelos de

es un método de la inteligencia
artificial que enseña a las
computadoras a procesar datos de
Redes una manera que está inspirada en
neuronales la forma en que lo hace el cerebro
humano
vanguardia que capturan de una forma óptima y efectiva
características complejas, obteniendo resultados con una
alta precisión. *Las redes neuronales necesitan un mayor
*El procesado de la información es local, es decir que al preprocesamiento de los datos, siendo bastante sensibles
estar compuesto por unidades individuales de a las distintas escalas de las variables. Suelen necesitar
*Las monocapa o
procesamiento, dependiendo de sus entradas y pesos, y mayor volumen de datos para el entrenamiento del modelo
perceptrón simple *Para problemas de
de que todas las neuronas de una capa trabajan en forma y requieren de alta capacidad de recursos
*Perceptrón clasificación, como, por
paralela, proporcionan una respuesta al mismo tiempo. computacionales.
multicapa (MLP) ejemplo, obtener la
*Los pesos son ajustados basándose en la experiencia, lo *Complejidad de aprendizaje para grandes tareas, cuanto
*Convolucionales probabilidad de que un
que significa que se le tiene que enseñar a la red lo que más se necesite que aprenda una red, más complicado
(CNN) cliente te compre frente a
necesita saber antes de ponerla en funcionamiento. será enseñarle.
*Redes neuronales que no te compre).
*Las neuronas son tolerantes a fallos, si parte de la red no *Tiempo de aprendizaje elevado. Esto depende de dos
recurrentes (RNN) *Problemas de regresión,
trabaja, solo dejará de funcionar la parte para que dicha factores: primero si se incrementa la cantidad de patrones
*De como, predecir el número
neurona sea significativa, el resto tendrá su a identificar o clasificar, y segundo, si se requiere mayor
retroalimentación o de compradores que voy a
comportamiento normal. flexibilidad o capacidad de adaptación de la red neuronal
redes de base tener de un producto.
*Las neuronas pueden reconocer patrones que no han para reconocer patrones que sean sumamente parecidos,
radial (RBF)
sido aprendidos, sólo deben tener cierto parecido con el se deberá invertir más tiempo en lograr que la red converja
conocimiento previo que tenga la red. Dicho de otra a valores de pesos que representen lo que se quiera
forma: si la entrada presenta alguna alteración la red enseñar.
podrá identificarla siempre y cuando se mantenga cierto
grado de similitud entre lo aprendido y lo mostrado en la
entrada de la red.
ANALITICA DE DATOS

cuadro comparativo

La regresión lineal es una técnica

de análisis de datos que predice el
valor de datos desconocidos
mediante el uso de otro valor de
permite predecir el
datos relacionado y conocido.
comportamiento de una *Es simple de implementar y más fácil de interpretar los *Los valores atípicos pueden tener efectos enormes en la
Modela matemáticamente la
variable (dependiente o coeficientes de salida. regresión y los límites son lineales en esta técnica.
variable desconocida o
*Regresión lineal predicha) a partir de otra *Cuando sabe que la relación entre la variable *A la inversa, la regresión lineal asume una relación lineal
dependiente y la variable conocida
simple (independiente o independiente y la dependiente tiene una relación lineal, entre las variables dependientes e independientes
o independiente como una
*Regresión lineal predictora). Tiene este algoritmo es el mejor para usar debido a su menor * la regresión lineal también analiza una relación entre la
Regresión lineal ecuación lineal. Por ejemplo,
múltiple presunciones como la complejidad en comparación con otros algoritmos. media de las variables dependientes y las variables
supongamos que tiene datos sobre
*Regresión linearidad de la relación, la *Es susceptible de sobreajuste, pero se puede evitar independientes. Así como la media no es una descripción
sus gastos e ingresos del año
logística normalidad, la aleatoridad utilizando algunas técnicas de reducción de completa de una sola variable, la regresión lineal no es
pasado. Las técnicas de regresión
de la muestra y dimensionalidad, técnicas de regularización (L1 y L2) y una descripción completa de las relaciones entre
lineal analizan estos datos y
homogeneidad de las validación cruzada. variables.
determinan que tus gastos son la
varianzas.
mitad de tus ingresos. Luego
calculan un gasto futuro
desconocido al reducir a la mitad
un ingreso conocido futuro.
ANALITICA DE DATOS

cuadro comparativo

*Los árboles de decisión

tienden al sobreentrenamiento,
*Son simples de entender y especialmente cuando el
de interpretar número de características
*Si el árbol no es predictivas es alto
excesivamente grande, *Son inestables: cualquier
es tremendamente
puede visualizarse pequeño cambio en los datos
útil para aquellas
*No requiere una de entrada puede suponer un
personas que
preparación de los datos árbol de decisión
tienen que tomar
demasiado exigente completamente diferente
decisiones en un
Un árbol de decisión es un mapa de los posibles resultados de una serie de decisiones relacionadas. Permite *Nodos de decisión. (aunque la implementación *No se puede garantizar que el
negocio, ya que te
Árboles de que un individuo o una organización comparen posibles acciones entre sí según sus costos, probabilidades y *Nodos de de Scikit-Learn no soporta árbol generado sea el óptimo
permite comparar
desición beneficios. Se pueden usar para dirigir un intercambio de ideas informal o trazar un algoritmo que anticipe probabilidad. valores nulos) *Hay conceptos que no son
diferentes
matemáticamente la mejor opción. *Nodos terminales. *Se puede trabajar tanto fácilmente aprendibles, pues
decisiones y
con variables cuantitativas los árboles de decisión no son
acciones según
como cualitativas capaces de expresarlos con
sus costos,
*Utiliza un modelo de caja facilidad (como el operador
probabilidades y
blanca: la respuesta del XOR)
beneficios.
algoritmo es fácilmente *Si hay clases dominantes es
justificable a partir de la fácil que los árboles se generen
lógica booleana sesgados, por lo que se
implementada en él recomienda balancear el
conjunto de datos antes de
entrenar el modelo

Análisis de es una fórmula estadística que se utiliza para comparar las varianzas entre las medias (o el promedio) de *Variación de causa para comparar las *Calcular la varianza de *Calcular la varianza de una
varianza diferentes grupos. Una variedad de contextos lo utilizan para determinar si existe alguna diferencia entre las común varianzas entre las una población proporciona población no es una tarea
medias de los diferentes grupos. *Variación por causa medias (o el información completa con sencilla. Si la población de
especial promedio) de respecto a cómo varía la interés es grande calcular la
diferentes grupos. población entre los varianza requerirá mucho
Una variedad de individuos. tiempo y dinero, como sucede a
contextos lo *Los estudios futuros menudo.
utilizan para pueden beneficiarse mucho *La mayoría de los estudios
determinar si de estudios previos que estadísticos aplicados no
existe alguna hayan analizado a la misma calculan la varianza de una
diferencia entre las población y descubierto al población. En vez de eso a
medias de los mismo tiempo su varianza. menudo usan estadísticas de
diferentes grupos Esto se debe a que incluso desviación estándar como
si la población ha cambiado sustitutos.
desde el primer estudio,
como en el caso de muchos
tipos de datos (por ejemplo,
los organismos que nacen y
mueren) la varianza de una
ANALITICA DE DATOS

cuadro comparativo
población rara vez cambia
en gran medida.
El objetivo último
del análisis
discriminante Al realizar un análisis
es encontrar la discriminante, los
combinación lineal investigadores pueden Las principales limitaciones se
de las va- riables abordar problemas de relacionan con la distribución
independientes clasificación en los que dos de las variables, la dispersión
El Análisis Discriminante es una técnica estadística multivariante cuya finalidad es analizar si existen
que mejor permite o más grupos, de la matriz de covarianzas, la
diferencias significativas entre grupos de objetos respecto a un conjunto de *Discriminante lineal
Análisis diferenciar conglomerados o determinación de la
variables medidas sobre los mismos para, en el caso de que existan, explicar en qué sentido se dan y *Discriminante
discriminante (discriminar) a los poblaciones se conocen por significatividad individual de las
facilitar procedimientos de clasificación sistemática de nuevas cuadrático
grupos. Una vez adelantado, y una o más variables, los errores de
observaciones de origen desconocido en uno de los grupos analizados.
en- contrada esa observaciones nuevas se clasificación, la reducción de la
combinación (la colocan en una de las dimensión y la aplicación de los
función clasificaciones conocidas modelos a prioridad.
discriminante) en función de las
podrá ser utilizada características medidas.
para clasificar
nuevos casos.

* Sistemas que
piensan como
es la combinación de algoritmos humanos
planteados con el propósito de *Sistemas que
permite que los sistemas
crear máquinas que presenten las actúan como *Automatización de procesos
Inteligencia tecnológicos perciban su
mismas capacidades que el ser humanos *Reduce el error humano *Dificultad de acceso a los datos
artificial entorno, se relacionen con
humano. Una tecnología que *Sistemas que *Potencia la creatividad *Falta de profesionales cualificados
él, resuelvan problemas y
todavía nos resulta lejana y piensan *Aporta precisión *Su desarrollo es costoso
actúen con un fin
misteriosa, pero que desde hace racionalmente *Agiliza la toma de decisiones
específico.
unos años está presente en *Sistemas que
nuestro día a día a todas horas. actúan
racionalmente
*
ANALITICA DE DATOS

cuadro comparativo

•Los conocimientos de un sistema experto pueden ser

copiados y almacenados fácilmente, siendo muy difícil la
pérdida de éstos.
son programas informáticos que *los sistemas expertos sobre los humanos es que el •Creatividad: los humanos pueden responder
tienen el objetivo de solucionar un experto computarizado siempre está a pleno rendimiento. creativamente a situaciones inusuales, los sistemas
*RBO (Rule Based
problema concreto y utilizan la Cuando un humano se cansa, la exactitud de sus expertos no pueden.
Reasoning)
Inteligencia Artificial (IA) para consejos puede decaer. Sin embargo, el experto •Experiencia Sensorial: los humanos tienen un amplio
*CBR (Case resolver problemas que
Sistemas simular el razonamiento de un ser computarizado siempre proporcionará las mejores rango de disponibilidad de experiencia sensorial. Y los
Based Reasoning) normalmente requieran de
expertos humano. Se denominan opiniones posibles dentro de las limitaciones de sus sistemas expertos actualmente dependen de una entrada
*Basados en expertos humanos
sistemas expertos porque estos conocimientos. simbólica.
Redes de Bayes
programas imitan la toma de *está en que después de que un experto computarizado •Degradación: los sistemas expertos no son bueno para
*
decisiones de un profesional en la exista, usted puede crear un nuevo experto simplemente reconocer cuando no existen respuestas o cuando los
materia. copiando el programa de una máquina a otra. Un problemas están fuera de su área.
humano necesita mucho tiempo para convertirse en un
especialista en ciertos campos, lo que hace difícil que
puedan aparecer nuevos especialistas humanos.

REFERENCIAS:
Royo, P. (2021). Qué son las redes neuronales y cuál es su aplicación en el marketing. artyco | the data driven company. https://artyco.com/que-son-las-

redes-neuronales-y-cual-es-su-aplicacion-en-el-marketing/#:~:text=Existen%20varios%20tipos%20de%20redes,de%20base%20radial%20(RBF).

TÉCNICAS DE
¿QUÉ ES? TIPOS ¿PARA QUÉ SIRVE? VENTAJAS
EXPORTACIÓN
ANALITICA DE DATOS

cuadro comparativo
*Su principal ventaja está en que son modelos de
vanguardia que capturan de una forma óptima y efectiva
características complejas, obteniendo resultados con
una alta precisión.
*El procesado de la información es local, es decir que al
pr
estar compuesto por unidades individuales de
sensib
procesamiento, dependiendo de sus entradas y pesos, y
*Las monocapa o
*Para problemas de de que todas las neuronas de una capa trabajan en
perceptrón simple entren
clasificación, como, por forma paralela, proporcionan una respuesta al mismo
*Perceptrón multicapa
ejemplo, obtener la tiempo.
(MLP) *C
probabilidad de que un *Los pesos son ajustados basándose en la experiencia,
*Convolucionales cua
es un método de la inteligencia artificial que enseña a las computadoras a procesar datos de una cliente te compre frente a lo que significa que se le tiene que enseñar a la red lo
(CNN)
manera que está inspirada en la forma en que lo hace el cerebro humano que no te compre). que necesita saber antes de ponerla en funcionamiento.
Redes neuronales *Redes neuronales *Tiem
*Problemas de regresión, *Las neuronas son tolerantes a fallos, si parte de la red
recurrentes (RNN) fa
como, predecir el número no trabaja, solo dejará de funcionar la parte para que
*De retroalimentación pa
de compradores que voy a dicha neurona sea significativa, el resto tendrá su
o redes de base radial requ
tener de un producto. comportamiento normal.
(RBF) de la
*Las neuronas pueden reconocer patrones que no han
suma
sido aprendidos, sólo deben tener cierto parecido con el
log
conocimiento previo que tenga la red. Dicho de otra
forma: si la entrada presenta alguna alteración la red
podrá identificarla siempre y cuando se mantenga cierto
grado de similitud entre lo aprendido y lo mostrado en la
entrada de la red.

permite predecir el
comportamiento de una *Es simple de implementar y más fácil de interpretar los *Los
variable (dependiente o coeficientes de salida. la re
La regresión lineal es una técnica de análisis de datos que predice el valor de datos desconocidos predicha) a partir de otra *Cuando sabe que la relación entre la variable *A l
*Regresión lineal
mediante el uso de otro valor de datos relacionado y conocido. Modela matemáticamente la variable (independiente o independiente y la dependiente tiene una relación lineal, lineal
simple
desconocida o dependiente y la variable conocida o independiente como una ecuación lineal. Por predictora). Tiene este algoritmo es el mejor para usar debido a su menor * la re
Regresión lineal *Regresión lineal
ejemplo, supongamos que tiene datos sobre sus gastos e ingresos del año pasado. Las técnicas de presunciones como la complejidad en comparación con otros algoritmos. me
múltiple
regresión lineal analizan estos datos y determinan que tus gastos son la mitad de tus ingresos. linearidad de la relación, la *Es susceptible de sobreajuste, pero se puede evitar i
*Regresión logística
Luego calculan un gasto futuro desconocido al reducir a la mitad un ingreso conocido futuro. normalidad, la aleatoridad utilizando algunas técnicas de reducción de descr
de la muestra y dimensionalidad, técnicas de regularización (L1 y L2) y lineal
homogeneidad de las validación cruzada.
varianzas.
ANALITICA DE DATOS

cuadro comparativo

*Los á
esp
*Son simples de entender y de interpretar
*Si el árbol no es excesivamente grande, puede
es tremendamente útil para *Son
visualizarse
aquellas personas que d
*No requiere una preparación de los datos demasiado
Un árbol de decisión es un mapa de los posibles resultados de una serie de decisiones *Nodos de decisión. tienen que tomar decisiones
exigente (aunque la implementación de Scikit-Learn no
relacionadas. Permite que un individuo o una organización comparen posibles acciones entre sí *Nodos de en un negocio, ya que te *No
Árboles de desición soporta valores nulos)
según sus costos, probabilidades y beneficios. Se pueden usar para dirigir un intercambio de ideas probabilidad. permite comparar diferentes
*Se puede trabajar tanto con variables cuantitativas
informal o trazar un algoritmo que anticipe matemáticamente la mejor opción. *Nodos terminales. decisiones y acciones *Hay c
como cualitativas
según sus costos, los á
*Utiliza un modelo de caja blanca: la respuesta del
probabilidades y beneficios.
algoritmo es fácilmente justificable a partir de la lógica
*Si h
booleana implementada en él
gener
el

*Calcular la varianza de una población proporciona

para comparar las
varianzas entre las medias
(o el promedio) de
*Variación de causa
es una fórmula estadística que se utiliza para comparar las varianzas entre las medias (o el diferentes grupos. Una
común
Análisis de varianza promedio) de diferentes grupos. Una variedad de contextos lo utilizan para determinar si existe variedad de contextos lo
*Variación por causa
alguna diferencia entre las medias de los diferentes grupos. utilizan para determinar si
especial
existe alguna diferencia
entre las medias de los
diferentes grupos
información completa con respecto a cómo varía la
*Calc
población entre los individuos.
senci
*Los estudios futuros pueden beneficiarse mucho de
varian
estudios previos que hayan analizado a la misma
población y descubierto al mismo tiempo su varianza.
*La m
Esto se debe a que incluso si la población ha cambiado
calcu
desde el primer estudio, como en el caso de muchos
menu
tipos de datos (por ejemplo, los organismos que nacen y
mueren) la varianza de una población rara vez cambia
en gran medida.

El objetivo último del

análisis discriminante
es encontrar la combinación
El Análisis Discriminante es una técnica estadística multivariante cuya finalidad es analizar si existe lineal de las va- riables Al realizar un análisis discriminante, los investigadores La
n diferencias significativas entre grupos de objetos respecto a un conjunto de independientes que mejor pueden abordar problemas de clasificación en los que distr
*Discriminante lineal
Análisis variables medidas sobre los permite diferenciar dos o más grupos, conglomerados o poblaciones se de c
*Discriminante
discriminante mismos para, en el caso de que existan, explicar en qué sentido se dan y (discriminar) a los grupos. conocen por adelantado, y una o más observaciones individ
cuadrático
facilitar procedimientos de clasificación sistemática de nuevas Una vez en- contrada esa nuevas se colocan en una de las clasificaciones reducc
observaciones de origen desconocido en uno de los grupos analizados. combinación (la función conocidas en función de las características medidas.
discriminante) podrá ser
utilizada para clasificar
nuevos casos.
ANALITICA DE DATOS

cuadro comparativo
* Sistemas que
piensan como
humanos permite que los sistemas
*Automatización de procesos
*Sistemas que actúan tecnológicos perciban su
es la combinación de algoritmos planteados con el propósito de crear máquinas que presenten las *Reduce el error humano
como humanos entorno, se relacionen con
Inteligencia artificial mismas capacidades que el ser humano. Una tecnología que todavía nos resulta lejana y *Potencia la creatividad
*Sistemas que piensan él, resuelvan problemas y
misteriosa, pero que desde hace unos años está presente en nuestro día a día a todas horas. *Aporta precisión
racionalmente actúen con un fin
*Agiliza la toma de decisiones
*Sistemas que actúan específico.
racionalmente
*
•Los conocimientos de un sistema experto pueden ser
copiados y almacenados fácilmente, siendo muy difícil la
pérdida de éstos.
*los sistemas expertos sobre los humanos es que el
experto computarizado siempre está a pleno crea
*RBO (Rule Based
rendimiento. Cuando un humano se cansa, la exactitud
Reasoning)
son programas informáticos que tienen el objetivo de solucionar un problema concreto y utilizan la de sus consejos puede decaer. Sin embargo, el experto •Exp
*CBR (Case Based resolver problemas que
Inteligencia Artificial (IA) para simular el razonamiento de un ser humano. Se denominan computarizado siempre proporcionará las mejores rang
Sistemas expertos Reasoning) normalmente requieran de
sistemas expertos porque estos programas imitan la toma de decisiones de un profesional en la opiniones posibles dentro de las limitaciones de sus sis
*Basados en Redes de expertos humanos
materia. conocimientos.
Bayes
*está en que después de que un experto computarizado •Degr
*
exista, usted puede crear un nuevo experto simplemente reco
copiando el programa de una máquina a otra. Un
humano necesita mucho tiempo para convertirse en un
especialista en ciertos campos, lo que hace difícil que
puedan aparecer nuevos especialistas humanos.