Generalización en Machine Learning

Separación de datos en los conjuntos de Entrenamiento y Testeo

En Machine Learning, la Generalización es la capacidad de obtener buenos resultados con datos nuevos. En este artículo vamos a hablar de por qué es tan importante la generalización y cómo medirla. Intuición gráfica de la Generalización en Machine Learning Para explicar el concepto de generalización, vamos a intentar usar un ejemplo gráfico y usar el error cuadrático medio. Una vez que tengamos la intuición gráfica, será más fácil describir matemáticamente cómo podemos medir la generalización. He generado unos datos …

Continuar LeyendoGeneralización en Machine Learning

Error Cuadrático Medio para Regresión

Calculando el Error Cuadrático Medio

El Error Cuadrático Medio es el criterio de evaluación más usado para problemas de regresión. Se usa sobre todo cuando usamos aprendizaje automático supervisado. Para cada dato histórico podremos indicar el resultado correcto. Vamos a ver como se calcula. Cálculo del Error Cuadrático Medio Vamos a calcular el error cuadrático medio con un ejemplo. En la figura vemos que estamos usando una regresión lineal (en azul) para estimar los datos que tenemos (los puntos verdes). El modelo lineal tiene un …

Continuar LeyendoError Cuadrático Medio para Regresión

Fases del Proceso de Machine Learning

Fases del Machine Learning

A la hora de usar Machine Learning, es conveniente seguir un proceso si queremos obtener buenos resultados. Al seguir un proceso, podemos hacer un mejor uso de nuestro tiempo. Además tendremos una orientación sobre qué es lo que debemos hacer en caso de que nuestros resultados no sean tan buenos como esperábamos. En este artículo vamos a hablar sobre las fases del proceso de machine learning y cómo están relacionadas entre ellas. Las fases del proceso de machine learning El …

Continuar LeyendoFases del Proceso de Machine Learning

¿Clasificación o Regresión?

ImageNet - Concurso de Machine Learning usando Clasificación

Cuando usamos aprendizaje automático, podemos realizar tareas de clasificación o de regresión. La diferencia está en el tipo de resultado que queremos que la técnica de machine learning produzca. Veamos la diferencia. Clasificación Cuando usamos clasificación, el resultado es una clase, entre un número limitado de clases. Con clases nos referimos a categorías arbitrarias según el tipo de problema. Por ejemplo, si queremos detectar si un correo es spam o no, sólo hay 2 clases. Y el algoritmo de machine …

Continuar Leyendo¿Clasificación o Regresión?

¿Cómo aprende la Inteligencia Artificial?

Partida de ajedrez - Jaque mate

Una de las características más importante de la Inteligencia Artificial, es su capacidad de aprender automáticamente. En este artículo vamos a explicar cómo aprende la Inteligencia Artificial y los tipos de aprendizaje automático que existen. Para hacerlo más interesante, vamos a empezar con un ejemplo. Imaginaos que tenemos que escribir un programa para detectar si un correo electrónico es spam o no. Podríamos intentar eliminar los correos que tuviesen algunas palabras. Las palabras las pondríamos en un fichero para que fuese …

Continuar Leyendo¿Cómo aprende la Inteligencia Artificial?

Machine Learning e Inteligencia Artificial

Un modelo de machine learning realiza una tarea

El Machine Learning (ML), también conocido como aprendizaje automático, era hasta hace poco uno de los campos de la inteligencia artificial. Ahora, la mayoría de la gente, cuando dice «Inteligencia Artificial» en realidad se está refiriendo al Machine Learning. Veamos la diferencia. Inteligencia Artificial De acuerdo con la wikipedia, la Inteligencia Artificial (IA), es la inteligencia exhibida por máquinas. De esta forma, consideramos a una identidad inteligente si imita las funciones cognitivas que los humanos asociamos con otras mentes humanas, como …

Continuar LeyendoMachine Learning e Inteligencia Artificial