Contenido:

• 1 Cómo elegir entre aprendizaje supervisado y no supervisado según el problema - Video Series
• 2 Cómo usar Python y Sklearn para resolver un problema de aprendizaje supervisado - Video Quiz | Código Python
• 3 Mini proyecto: ¿Cómo resolverías el problema? - Ejercicio que requiere entrega | Código Python
• 4 Cómo saber las diferencias entre aprendizaje supervisado y aprendizaje no supervisado - Texto

Tiempo aproximado: 60 min

Introducción

1 Cómo elegir entre aprendizaje supervisado y no supervisado según el problema

Aprendizaje supervisado vs aprendizaje no supervisado

Ejemplos de aprendizaje supervisado y no supervisado

Este es un ejemplo de clasificación binaria.

• 2 clases posibles: normal y sospechosa.

El modelo se entrena con varios ejemplos para que aprenda a asociar características con etiquetas.

• No se definieron las características de las transacciones. ¿Cuáles usarías? Recuerda que las características identifican y diferencian apropiadamente a las instancias. Una característica podría ser la hora de la transacción o el monto, entre otras.

Al modelo entrenado podemos preguntarle:

• Esta instancia nueva con estas características, ¿a qué clase (etiqueta) pertenece?
• Esta transacción nueva con este monto y hora, ¿es normal o sospechosa?

En agrupamiento no tenemos información de las etiquetas, pero el modelo aprende a identificar grupos de instancias con características similares. No hemos definido características de las compras ni del usuario. Piensa en algunas.

A un modelo de agrupamiento que haya aprendido de datos de varias compras de diferentes usuarios podemos preguntarle:

• A qué grupo pertenece esta instancia con estas características
• A qué patrón de compra pertenece esta compra con este edad del usuario y método de pago

2 Cómo usar Python y Sklearn para resolver un problema de aprendizaje supervisado

Los siguientes tres videos explican cómo resolver el problema. Encuentras el enlace al código al final de los videos.

3 Mini proyecto: ¿Cómo resolverías el problema?

Los videos anteriores explicaron como resolver un problema. Intenta resolver los problemas restantes. Sigue los pasos del siguiente Colab.

Ir a Google Colab

4 Cómo saber las diferencias entre aprendizaje supervisado y aprendizaje no supervisado

Aprendizaje supervisado

Se llama aprendizaje supervisado porque conocemos las respuestas correctas (etiquetas).

El objetivo del aprendizaje supervisado es entender la relación entre los atributos de las instancias y sus etiquetas (discreta para clasificación, continua para regresión). Un modelo de aprendizaje supervisado se usa para predecir etiquetas en función de un ejemplo de entrada.

Aprendizaje no supervisado

Se llama aprendizaje no supervisado porque no tenemos etiquetas de referencia. El objetivo del aprendizaje no supervisado es modelar la estructura o distribución oculta en los datos para aprender más sobre éstos. Los algoritmos se usan para descubrir y presentar una potencial estructura de interés en los datos.

Los problemas de aprendizaje no supervisados pueden agruparse en problemas de agrupamiento y asociación.

Agrupación: un problema de agrupación es donde desea descubrir las agrupaciones inherentes en los datos, como agrupar clientes por comportamiento de compra.

Asociación: un problema de aprendizaje de reglas de asociación es cuando desea descubrir reglas que describen grandes porciones de sus datos, como las personas que compran X también tienden a comprar Y.