Por lo general, hay dos conjuntos realmente grandes en el aprendizaje automático. Clasificación y estimación . Hay varios algoritmos que abordan estos diferentes problemas.
Por ejemplo, calcular el precio estimado de una casa dadas varias características diferentes (por ejemplo: cuántas habitaciones, cuántos baños, pies cuadrados, qué tan bien se distribuye la casa, tamaño del jardín, distancia de la ciudad más cercana, las características son infinitas ) es un problema de estimación , como puedes adivinar a partir de la quinta palabra en este párrafo. Podrías resolver esto usando regresión lineal. Me baso en gran medida en el curso de aprendizaje automático de Andrew Ng para este ejemplo.
Un problema de clasificación es aquel en el que debe elegir un resultado entre (generalmente) varios resultados predefinidos. Supongamos que está clasificando vehículos y desea saber si el vehículo en una imagen es un automóvil, una bicicleta o un camión. Ese es un problema de clasificación, porque está eligiendo entre un conjunto finito de posibilidades. Esto podría resolverse con redes neuronales, regresión logística, máquinas de vectores de soporte e incluso más algoritmos.
- ¿Cómo almacena un sistema de aprendizaje automático su memoria aprendida?
- ¿Qué piensan los científicos de los expertos en SEO?
- ¿Qué tecnología debo aprender, siendo un desarrollador de mainframe interesado en análisis de datos, AWS, aprendizaje automático, big data y otros?
- ¿Cuál es una explicación intuitiva de las redes residuales profundas?
- ¿Qué proyectos principales puedo hacer en R después de aprender minería de datos, análisis de sentimientos de limpieza, regresión y técnicas de agrupamiento?
También debo señalar que hay dos tipos de aprendizaje: aprendizaje supervisado y aprendizaje no supervisado. Los dos ejemplos que le di son casos de aprendizaje supervisado.
Hay muchos más algoritmos que los que mencioné aquí. También puede comenzar con el aprendizaje automático a través de muchos recursos diferentes, entre ellos:
Aprendizaje automático – Universidad de Stanford | Coursera
Kaggle también tiene varios recursos de aprendizaje.
¡Y mucho más!
