Presentacion - Algoritmos de Machine Learning Supervisado

Algoritmos de
Aprendizaje
Supervisado en
Machine
Learning
Ámbar Rocío Caraballo Rubecindo
Matricula: 2019 -7408
2
Temas a tratar
Clases de algoritmos supervisados
• Algoritmos de clasificación. • Algoritmos de regresion.

- Arboles de decision. - Regresión Lineal.
- Redes Neuronales. - Regresión Poisson.
- Regresión Logística. - Regresión Lineal Bayesiana.
- Perceptrón Promediado. - Support vector Machine
3
Clasificación de Algoritmos Supervisados
Basicamente los algoritmos supervisados

de machine learning se dividen en 3
clases:
➢ Clasificacion
➢ Regresión
➢ Detección de Anomalías
“
4
Algoritmos de clasificación
Estos se usan cuando el resultado

es una etiqueta discreta. Esto
quiere decir que se utilizan cuando
la respuesta se fundamenta en
conjunto finito de resultados.
Algunos algoritmos de
clasificación que se pueden
mencionar están:
➢ Regresion logística.
➢ Perceptron promediado.
➢ Maquina de punto de Bayes.
➢ Redes Neuronales.
➢ Arboles de decisión.
5
Machine
❖ Regresión Logística
Learning
Supervisado
La Regresión Logística es una

poderosa manera estadística
de modelar un resultado
binomial con una o más
variables explicativas. Mide la
relación entre la variable
dependiente categórica y una o
más variables independientes
estimando las probabilidades
utilizando una función
logística, que es la distribución
logística acumulativa.
Perceptron Promedio 6
Machine ○ El método de perceptrón promedio es una

versión anterior y sencilla de una red
Learning neuronal. En este enfoque, las entradas se
clasifican en varias posibles salidas según una
Supervisado función lineal y, a continuación, se combinan
con un conjunto de pesos que se derivan del
vector de característica, de ahí, el nombre
"perceptrón".
○ Los modelos de perceptrón más sencillos son
adecuados para aprender patrones separables
linealmente, mientras que las redes neuronales
(especialmente las redes neuronales
profundas) pueden modelar límites de clase
más complejos. Sin embargo, los perceptrones
son más rápidos y, puesto que procesan los
casos en serie, pueden usarse en el
entrenamiento continuo.
Máquina de punto de Bayes 7
○ Los clasificadores Naïve

Machine Bayes son una familia de
simples clasificadores
Learning probabilísticos basado en la
aplicación de Bayes ‘teorema
Supervisado con fuertes (Naïve)
supuestos de independencia
entre las características’. La
imagen destacada es la
ecuación – con P (A | B) es
probabilidad posterior, P (B
| A) es probabilidad, P (A)
es probabilidad previa de
clase, y P (B) predictor
probabilidad previa.
8
Redes Neuronales
Las redes neuronales son un

modelo para encontrar esa
combinación de parámetros y
aplicarla al mismo tiempo. En
el lenguaje propio, encontrar
la combinación que mejor se
ajusta es "entrenar" la red
neuronal. Una red ya
entrenada se puede usar luego
para hacer predicciones o
clasificaciones, es decir, para
"aplicar" la combinación.
9
Arboles de Decisión.
Machine El sistema debe soportar por lo menos un

Learning lenguaje relacional que:
Supervisado ➢ Tenga una sintaxis lineal.
➢ Puede ser utilizado de manera interactiva.
➢ Tenga soporte de operaciones de definición

de datos, operaciones de manipulación de
datos (actualización así como la
recuperación), de control de la seguridad e
integridad y operaciones
de administración de transacciones.
10
Algoritmos de Regresión
Los algoritmos de Regresión

modelan la relación entre
distintas variables
(features) utilizando una
medida de error que se
intentará minimizar en un
proceso iterativo para Algunos algoritmos de regresión que se pueden
mencionar están:
poder realizar predicciones
“lo más acertadas posible”. ✓ Regresión Lineal.
Se utilizan mucho en el ✓ Regresión Poisson.
análisis estadístico. ✓ Regresión Lineal Bayesiana.
Regresión 11
Lineal.
Machine
Learning
Supervisado
La definición más básica de este algoritmo es

intentar representar los puntos mediante
una recta lineal (de ahí el nombre). Este
algoritmo forma parte de los
modelos supervisados, puesto que necesitamos
datos etiquetados (la variable Y tiene que tener
valores numéricos) para que el modelo aprenda a
predecir.
Ejemplo de Regresión Lineal. 12
Machine
Learning
Supervisado
Machine
Learning
Supervisado
Machine
Learning
Supervisado
Machine
Learning
Supervisado
Machine
Learning
Supervisado
Regresión Poisson 17
Regresión de Poisson En
estadística,
la regresión de Poisson es un
tipo de modelo lineal
generalizado en el que la
variable de respuesta tiene una
distribución de Poisson y el
logaritmo de su valor esperado
puede ser modelado por una
combinación lineal de
parámetros desconocidos, es
decir, el logaritmo es la función
de enlace canónica.
18
Regresión Lineal Bayesiana
La regresión lineal bayesiana
Machine es un enfoque de regresión
lineal en el que el análisis
Learning estadístico se realiza dentro
del contexto de la inferencia
Supervisado bayesiana . Cuando el
modelo de regresión tiene
errores que tienen una
distribución normal , y si se
asume una forma particular
de distribución previa , los
resultados explícitos están
disponibles para las
distribuciones de
probabilidad posteriores de
los parámetros del modelo.
Support Vector Machines(Máquina de Soporte de 19
Vector)
Machine SVM es un algoritmo de

clasificación binario. Dado un
Learning conjunto de puntos de 2 tipos
en el lugar N dimensional,
Supervisado SVM genera un hiperlano (N
– 1) dimensional para separar
esos puntos en 2 grupos.
Digamos que usted tiene
algunos puntos de 2 tipos en
un papel que son linealmente
separables. SVM encontrará
una línea recta que separa
esos puntos en 2 tipos y
situados lo más lejos posible
de todos esos puntos.
20
Método Ensemble
Los métodos Ensemble son algoritmos de aprendizaje que

construyen un conjunto de clasificadores y luego clasifican
nuevos puntos de datos tomando un voto ponderado de sus
predicciones. El método de conjunto original es Bayesian
promediando, pero los algoritmos más recientes incluyen
error de corrección de salida de codificación.
21

Presentacion - Algoritmos de Machine Learning Supervisado

Cargado por

Copyright:

Formatos disponibles

Presentacion - Algoritmos de Machine Learning Supervisado

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Presentacion - Algoritmos de Machine Learning Supervisado

Cargado por

Copyright:

Formatos disponibles

Algoritmos de

• Algoritmos de clasificación. • Algoritmos de regresion.

Basicamente los algoritmos supervisados

Estos se usan cuando el resultado

La Regresión Logística es una

Machine ○ El método de perceptrón promedio es una

○ Los clasificadores Naïve

Las redes neuronales son un

Machine El sistema debe soportar por lo menos un

Supervisado ➢ Tenga una sintaxis lineal.

➢ Puede ser utilizado de manera interactiva.

➢ Tenga soporte de operaciones de definición

Los algoritmos de Regresión

La definición más básica de este algoritmo es

Machine SVM es un algoritmo de

Los métodos Ensemble son algoritmos de aprendizaje que

También podría gustarte