Ciencia de datos y aprendizaje supervisado

Aprendizaje supervisado explicado

El aprendizaje supervisado es un tipo de técnica donde se dice que, dados los datos del pasado, que hay muchos atributos asociados con ese conjunto de datos, también tiene algo que se llama una etiqueta. El aprendizaje supervisado crea una percepción de un objeto que se refuerza al etiquetar el objeto ayudando a identificar no solo el objeto sino también su variabilidad en el futuro.

Aprendiendo como un niño

Entonces, para ti, como si fueras un niño aprendiendo a identificar diferentes tipos de frutas, por ejemplo. Miras esa fruta visualmente y sabes cómo es una manzana. Se forma una percepción mental a su alrededor. Y alguien te enseñó que cualquier cosa que se parezca a esta forma es una manzana. Similar es el caso con otras frutas también, por ejemplo un plátano, naranja y así sucesivamente. Entonces, esta percepción visual que aprendiste de niño y la otra ayuda que recibiste de otra persona te dijo que esta percepción visual tuya es una manzana. Esto es lo que se llama un aprendizaje supervisado.

La entrada al aprendizaje supervisado

Hay una característica de entrada a su percepción que se relaciona más con el color, la forma y la estructura de esa fruta y otra persona que le dice que este tipo de cosas es algo que se llama una manzana. Entonces, estos dos combinados, el modelo de aprendizaje automático se entrena solo. Durante un período de tiempo, independientemente del tipo de forma, color y texturas de los diferentes tipos de manzana, podrá identificar que se trata de una manzana. Entonces, no importa qué tan diferentes sean los trucos que haga, no importa cómo se desarrolle la naturaleza en el futuro y al descubrir nuevas variedades de manzanas, su percepción es muy fuerte en términos de identificación de una manzana porque alguien le ha capacitado para eso. Y esto es típicamente lo que sucede también en un modelo de aprendizaje automático.

Entrenamiento y precisión necesaria

Te entrenas con una gran cantidad de datos de entrada sobre cualquier objeto dado y en base a que tienes una etiqueta y esta etiqueta es lo que te dice que esta es una manzana. Recuerde que como estamos entrenando a alguien sobre qué es ese objeto, debe tener mucho cuidado de que cada vez que realice un conjunto de datos para un algoritmo de aprendizaje automático supervisado, sus datos sean 100% correctos. Incluso si pierde el 10% del conjunto de datos en los que cree que el etiquetado es incorrecto, espere que el 10% también sea un error en la salida. Su modelo es tan bueno como sus datos en términos simples.

En resumen

Hay muchos algoritmos que construyen aprendizaje supervisado. Asegúrate de aprender sobre ellos durante tu entrenamiento de Data Science. Por ejemplo, si construyes un clasificador para una fruta, las etiquetas que se aplicarán: esto es plátano, esto es una manzana, esto es naranja basado en demostrar los ejemplos de clasificadores de plátano, manzana y naranja respectivamente.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *