Aprendizaje Supervisado

Este artículo se basa en el libro “Introduction to Machine Learning with Python A Guide for Data Scientists” de Andreas C. Müller y Sarah Guido (capítulo 2).

¿Qué es el Aprendizaje Supervisado?

Básicamente, el Aprendizaje Supervisado consiste en encontrar una función que pueda predecir los valores de entrada, por supuesto, después de datos de entrenamiento. Hay dos tipos de Aprendizaje Supervisado: Clasificación y Regresión.

Clasificación y Regresión

Clasificación
El objetivo es predecir lo que se conoce como una “Etiqueta de Clase”. Pueden ser 0/1, sí/no, ham/spam, etc. Puede dividirse en Clasificación Binaria, es decir, dos clases (sí o no), o también en Clasificación Multiclase, es decir, más de dos clases (por ejemplo, grande, mediano, pequeño).

Regresión
Por otro lado, la tarea de Regresión, a diferencia de la Clasificación, tiene como objetivo predecir números continuos. Un ejemplo claro podría ser predecir el ingreso anual.

Quizás te estés preguntando: “¿Cuándo puedo usar Regresión o Clasificación?” o “¿Cuál es mejor?” Permíteme decirte que no hay un modelo mejor que otro, sino que dependerá de tus datos.

Entonces, una forma fácil de distinguir entre tareas de clasificación y regresión es ver si hay algún tipo de continuidad en la salida. Si hay continuidad entre los resultados posibles, entonces es un problema de…