Campus
Diagrama de temas
-
Aprendizaje supervisado
El aprendizaje supervisado es un enfoque del aprendizaje automático que implica proporcionar valores conocidos de la variable que está intentando predecir como parte de los datos de entrada. Consulte el siguiente ejemplo: usted tiene una hoja de cálculo de datos de salud de las personas que participaron en un estudio. Los datos están en una tabla, con cada persona como una fila, varias características de cada persona como columnas, como el peso, la altura, la presión arterial, etc. La columna final que registra un "sí" o "no" en cuanto a si esta persona tiene o no una enfermedad cardíaca.
Estos datos tienen tres dimensiones :
- Ejemplo: la instancia individual de datos. Esto corresponde a las filas de una tabla y, en el ejemplo de registros de salud, se refiere a personas individuales.
- Característica: cada propiedad o característica mensurable de un ejemplo. Esto corresponde a las columnas de una tabla, y en el ejemplo, se refiere al peso corporal, la altura, la presión arterial, etc. de una persona.
- Etiqueta: la variable que está intentando predecir para nuevas muestras de datos. En el ejemplo, esto se refiere a un individuo que tiene un "sí" o "no" para la enfermedad cardíaca.
Figura 1. Entrenar un algoritmo de aprendizaje supervisado para predecir la presencia de enfermedades cardíacas en pacientes.
Con el aprendizaje supervisado, usted elige uno o más algoritmos para entrenar con estos datos, incluida la etiqueta de enfermedad cardíaca. La máquina entonces puede usar el aprendizaje automático para analizar los datos y realizar predicciones sobre nuevos conjuntos de datos para determinar razonablemente si las personas en estos nuevos registros tienen enfermedad cardíaca o no.
Información adicional
Para obtener información adicional sobre las características, consulte aquí.
Campus
