Objetivos del Machine learning
Tipos de Machine Learning
01 supervised learning
El uso más popular de este aprendizaje es el de realizar predicciones a futuro basadas en conductas o particularidades que se identifican en el histórico de datos; este aprendizaje, permite buscar patrones en datos históricos relacionando todos los campos con uno especial llamado Campo objetivo. Un ejemplo de esto es el correo electrónico que es etiquetado por parte de los usuarios como “spam” o aquel etiquetado como “legítimo”, de esta manera, el proceso se inicia con un análisis sobre las características o patrones que tienen los correos ya marcados con ambas etiquetas.
Ejemplos: aplicaciones para reconocimiento de voz, identificacion de spam, reconocimiento de escritura
02 Unsupervised learning
Este aprendizaje usa datos históricos que no están marcados con el fin de estudiarlos para encontrar alguna estructura o forma de clasificarlos.
Ejemplos: Correctores de texto, deteccion de morfologia en oraciones, clasificadores de información.
03 Reinforcement learning
Este aprendizaje trata de tomar medidas adecuadas para maximizar la recompensa en una situación particular; es utilizado por programas y máquinas para encontrar el comportamiento adecuado o posible ruta que se debe tomar en una situación específica. En este aprendizaje no hay respuesta, pero el agente de refuerzo decide que hacer para realizar la tarea entregada. En ausencia del entrenamiento, seguramente aprenderá de su experiencia.
Ejemplos: navegación de vehiculo automatico, toma de desiciones en lineas de producción.
Fuente: cesde.
No hay comentarios:
Publicar un comentario