Marco

En este módulo, se investiga cómo establecer un marco para una tarea como un problema de aprendizaje automático y se abarcan muchos de los términos básicos de vocabulario compartidos entre una amplia variedad de métodos de aprendizaje automático (AA).

Marco

Los sistemas de AA aprenden

cómo combinar entradas

para producir predicciones útiles

sobre datos nunca antes vistos

  • La etiqueta es el verdadero valor que estamos prediciendo: y
    • La variable y en regresión lineal básica
  • La etiqueta es el verdadero valor que estamos prediciendo: y
    • La variable y en regresión lineal básica
  • Los atributos son variables de entrada que describen nuestros datos: xi
    • Las variables {x1, x2, … xn} en regresión lineal básica
  • Un ejemplo es una instancia en particular de los datos, x
  • Un ejemplo etiquetado tiene {atributos, etiqueta}: (x, y)
    • Se usa para entrenar el modelo.
  • Un ejemplo sin etiqueta tiene {atributos, ?}: (x, ?)
    • Se usa para realizar predicciones sobre datos nuevos.
  • Un ejemplo es una instancia en particular de los datos, x
  • Un ejemplo etiquetado tiene {atributos, etiqueta}: (x, y)
    • Se usa para entrenar el modelo.
  • Un ejemplo sin etiqueta tiene {atributos, ?}: (x, ?)
    • Se usa para realizar predicciones sobre datos nuevos.
  • Un modelo asocia cada ejemplo con la predicción de una etiqueta y'
    • Se define con parámetros internos, que se aprenden.