19

6 Algoritmos importantes para el Machine Learning

90558Puntos

hace 2 años

Curso de Introducción a Machine Learning 2018
Curso de Introducción a Machine Learning 2018

Curso de Introducción a Machine Learning 2018

¡Descubre nuevas formas de ver el mundo! No importa el campo que quieras impactar: con machine learning puedes aportar soluciones en medicina, tecnología, sociedad, astronomía o comunicación. Piensa en grande, deja huella e impacta con grandes ideas que hacen la vida más fácil. Aprende machine learning y sé parte del cambio con Platzi.

Ya no es un secreto que el Machine Learning está ganando mucha popularidad, está aplicado de diferentes maneras en el uso de nuestras aplicaciones, como en las recomendaciones de Spotify y Netflix; cosas más increíbles y complejas como los self-driving cars.

Sin embargo, todo esto se basa en el conocimiento y aplicación de algoritmos básicos e importantes de conocer por eso te dejo alguno de ellos a continuación:

Regresión Lineal

Regresión_lineal_varios_casos.png

Es uno de los más conocidos en Estadística y Machine Learning. Busca una relación lineal entre las diferentes variables, debemos recordar que dentro de este algoritmo tenemos valores numéricos por lo que estamos hablando de un problema de regresión o predicción.

Tiene algunos tipos de modelos como la Regresión Simple, Múltiple y Rectas de regresión.

Regresión Logística

320px-Logistic-curve.svg.png

Nos permite ver los valores categóricos, una clasificación como un cero y un uno. Para encontrar los valores con las variables independientes se utiliza la estimación de Maximun likelihood o la máxima verosimilitud.

Se utiliza cuando estamos interesados en conocer si un evento ocurrirá o no.

Naive Bayes

Conocido en español como Clasificador bayesiano ingenuo.

Este algoritmo es específicamente para clasificación, como cuando queremos clasificar los emails que nos llegan y cuáles de ellos son spam.

K-nearest Neighbors

KnnClassification.svg.png

Este algoritmo nos sirve para predecir un valor numérico y clasificar un valor categórico. Trabaja directamente con todo el set de datos de entrenamiento, si tengo un K igual a tres o cinco eso será el número de vecinos cercanos y para saber cuáles están más cerca podemos usar los tipos de distancias como Euclidiana, Hamming, Manhattan.

Puede ser usado para tanto problemas de regresión predictiva como clasificación, pero suele ser más usados en estos últimos.

Decision Tree

Decision_tree.png

O Árbol de decisión alternativo.

Este tipo de algoritmo también nos sirve para predecir y clasificar, se basa en las decisiones. A medida que vayamos tomando decisiones sobre situaciones iremos avanzando y sobre las ramas del árbol de decisiones, este se dividirá dependiendo de la cantidad de decisiones disponibles o realizadas.

Random Forest

Random_forest_diagram_complete.png

Todo lo estudiado en Decision Tree ol árbol de decisiones nos sirve en este algoritmo, nos permite la predicción de valores numéricos y categóricos. También se le denomina Ensamble, puede trabajar con un grupo de algoritmos.


Si quieres conocer mucho más sobre este tema y quieres adentrarte en esta industria puedes ver el nuevo Curso de Introducción de Machine Learning en el que aprenderás todo lo necesario para empezar.

Curso de Introducción a Machine Learning 2018
Curso de Introducción a Machine Learning 2018

Curso de Introducción a Machine Learning 2018

¡Descubre nuevas formas de ver el mundo! No importa el campo que quieras impactar: con machine learning puedes aportar soluciones en medicina, tecnología, sociedad, astronomía o comunicación. Piensa en grande, deja huella e impacta con grandes ideas que hacen la vida más fácil. Aprende machine learning y sé parte del cambio con Platzi.
Kevin
Kevin
iKenshu

90558Puntos

hace 2 años

Todas sus entradas
Escribe tu comentario
+ 2
Ordenar por:
2

Increíble estos algoritmos me hacen recordar mis clases de la universidad. 🤓