Algoritmos de aprendizaje automático

Antes de entrenar el modelo de aprendizaje automático inicial, tendrá que seleccionar uno o varios algoritmos que usará para producir el resultado que necesita. Por ejemplo, si necesita realizar una tarea de clasificación, como determinar si alguien está en riesgo de contraer una enfermedad en función de varios insumos (factores de estilo de vida, edad, sexo, etc.), podría usar la regresión logística, el bosque aleatorio, Bayes ingenuos o uno de varios otros algoritmos.

En la ilustración siguiente se coloca algunos algoritmos de ejemplo en los tres modos principales de aprendizaje automático (supervisado, no supervisado y refuerzo) y tres resultados/tareas (regresión, clasificación y agrupación en clústeres). Esta no es una lista exhaustiva de algoritmos, solo algunos de los más comunes utilizados en el campo (aparte de las redes neuronales utilizadas en el aprendizaje profundo, que están fuera del ámbito de este curso).

Algunos algoritmos, dependiendo de cómo se utilicen, pueden admitir varios tipos de resultados. Por ejemplo, un bosque aleatorio se podría usar para varios tipos de tareas de clasificación o regresión. Tenga en cuenta también que algunos de estos términos se refieren a grupos de algoritmos relacionados, en lugar de algoritmos específicos. Por ejemplo, hay varios tipos de algoritmos de árbol de decisión, pero tienden a funcionar de forma similar y producen el mismo tipo de resultado.

Información adicional

Para obtener más información sobre los algoritmos de aprendizaje automático, consulte este sitio.