Machine learning con Python

¿Qué es el machine learning?
La palabra ‘Máquina’ en Machine Learning significa computadora, como era de esperar. Entonces, ¿cómo aprende una máquina?

Dados los datos, podemos hacer todo tipo de magia con las estadísticas, al igual que los algoritmos informáticos.

Estos algoritmos pueden resolver problemas que incluyen predicción, clasificación y agrupamiento. Un algoritmo de machine learning aprenderá de nuevos datos.

tipos de aprendizaje

Hay dos tipos de aprendizaje: aprendizaje supervisado y aprendizaje sin supervisión.. ¿Que qué?

Aprendizaje supervisado

Supongamos que tenemos datos de consumidores. Le digo a la computadora: estos clientes tienen un ingreso alto, esos clientes tienen un ingreso medio. La fase de entrenamiento.
Entonces podemos preguntarle a esta computadora:

 
You: Does this customer have a high or median income?
Computer: Based on the training data, I predict a high income.

código python

Entonces, ¿los datos de entrenamiento tienen que ser grandes y complejos? No, esto también funciona para pequeños conjuntos de datos.

Tomemos, por ejemplo, este conjunto:

x = [[2, 0], [1, 1], [2, 3]]
y = [0, 0, 1]

Entonces, qué significa esto:

  • Mire y, hay dos salidas posibles. O es clase 0 o clase 1.
  • Entonces x son las medidas.

Los datos de entrenamiento (x,y) se utilizan luego para alimentar el algoritmo, con el método feed().
norte

your_amazing_algorithm.fit(x, y)

Luego, si tiene nuevas medidas, puede predecir la salida (clase 0 o clase 1).

print (clf.predict([[2,0]]))

Aprendizaje sin supervisión

Con algoritmos de aprendizaje no supervisados, no tienes idea. Le das los datos a la computadora y esperas respuestas. Sorprendentemente, estos funcionan bastante bien.

Si tiene puntos de datos x, donde cada valor de x es un punto bidimensional.
¿Quieres hacer predicciones?

Cargar un algoritmo:

kmeans = KMeans(n_clusters=2, random_state=0).fit(X)

Predecir:

kmeans.predict([[12, 3]])

Sí, puede ser así de fácil.

También te puede interesar estos artículos sobre Machine Learning:

En un puesto de científico de datos, se espera que el candidato tenga un conocimiento práctico del software utilizado para ...
Un árbol de decisión es uno de los muchos algoritmos de machine learning. Un árbol de decisión es una herramienta ...
¿Cómo solucionan los problemas las personas? En una publicación anterior en el blog de LUCA vimos que el concepto básico ...
Entre los países con mejores oportunidades y mayor oferta de empleo en este sector se encuentran los siguientes países: Estados ...
Si eliges esta forma de aprender, es mucho más fácil de responder. Pero, ¿cuánto dura una carrera de programación? Más ...
Trabajar con Big Data es muy costoso, además de que muchas empresas aún no cuentan con la infraestructura adecuada para ...

¿ Te pareció de utilidad este articulo Machine learning con Python?
⬇️ Tu apoyo compartiendo me ayuda bastante.⬇️

6 comentarios en «Machine learning con Python»

  1. ¿Crees que el aprendizaje supervisado es más efectivo que el no supervisado? 🤔

    • ¡Para nada! El aprendizaje no supervisado tiene su propio valor al permitir descubrimientos y patrones no predefinidos. Ambos enfoques tienen sus ventajas y desventajas, ¡depende del contexto y del objetivo! ¡El debate está servido! 😉

  2. ¿Qué opinan sobre el impacto del aprendizaje sin supervisión en la inteligencia artificial?

    • El aprendizaje sin supervisión en IA es fundamental para su evolución. Aporta autonomía y creatividad a los sistemas, permitiendo descubrimientos sorprendentes. ¡No subestimemos su impacto! ¡Es el futuro de la inteligencia artificial! ¡Innovación sin límites!

  3. ¿Es realmente el aprendizaje sin supervisión tan efectivo como dicen? 🤔 #MachineLearning

    • Claro que sí, el aprendizaje sin supervisión es una herramienta poderosa en el campo del Machine Learning. ¡Los datos hablan por sí solos! Los avances en esta área demuestran su efectividad. ¡No subestimemos el potencial de la inteligencia artificial! 🔥🤖 #MachineLearning

Los comentarios están cerrados.