Scribd
Cargar
7 vistas1 página

Hoja de referencia de algoritmos ML Azure

La Hoja de referencia rápida de algoritmos de aprendizaje automático de Microsoft Azure Machine Learning Studio ayuda a los científicos de datos principiantes a seleccionar el algoritmo adecuado para sus soluciones de análisis predictivo. Incluye recomendaciones generales basadas en la opinión de expertos, aunque no abarca todos los algoritmos disponibles. Se sugiere probar múltiples algoritmos para encontrar el más adecuado para cada caso específico.

Cargado por

luis
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como TXT, PDF, TXT o lee en línea desde Scribd
7 vistas1 página

Hoja de referencia de algoritmos ML Azure

La Hoja de referencia rápida de algoritmos de aprendizaje automático de Microsoft Azure Machine Learning Studio ayuda a los científicos de datos principiantes a seleccionar el algoritmo adecuado para sus soluciones de análisis predictivo. Incluye recomendaciones generales basadas en la opinión de expertos, aunque no abarca todos los algoritmos disponibles. Se sugiere probar múltiples algoritmos para encontrar el más adecuado para cada caso específico.

Cargado por

luis
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como TXT, PDF, TXT o lee en línea desde Scribd

Hoja de referencia r�pida de algoritmos de Machine Learning

La Hoja de referencia r�pida de algoritmos de aprendizaje autom�tico de Microsoft


Azure Machine Learning Studio ayuda a elegir el algoritmo de aprendizaje autom�tico
adecuado para sus soluciones de an�lisis predictivo de la biblioteca de algoritmos
de Azure Machine Learning Studio. En este art�culo se explica c�mo usarla.
Nota

Para descargar la hoja de referencia r�pida y usarla con las instrucciones de este
art�culo, consulte la hoja de referencia r�pida de algoritmos de aprendizaje
autom�tico de Microsoft Azure Machine Learning Studio.
Esta hoja de referencia r�pida est� pensada para un p�blico muy espec�fico:
cient�ficos de datos principiantes con conocimientos de aprendizaje autom�tico de
nivel universitario que intentan elegir un algoritmo para empezar en Azure Machine
Learning Studio. Eso significa que en ella se hacen algunas generalizaciones y
simplificaciones exageradas, pero le sirve para orientarse bien. Tambi�n significa
que hay muchos algoritmos que no est�n incluidos aqu�.
Estas recomendaciones son una recopilaci�n de los comentarios y las sugerencias de
muchos cient�ficos de datos y expertos en aprendizaje autom�tico. No estuvimos de
acuerdo en todo, pero intentamos combinar las opiniones para llegar a un consenso
general. La mayor�a de los argumentos de desacuerdo comienzan con "Depende...".
C�mo usar la hoja de referencia r�pida
Lea las etiquetas de ruta de acceso y algoritmo del gr�fico con el siguiente
formato: "Para <etiqueta de ruta de acceso> , use <algoritmo> ". Por ejemplo, "Para
velocidad, use la regresi�n log�stica de dos clases". Ciertas veces, se aplica m�s
de una rama. Otras, ninguna de ellas es la ideal. Tienen la finalidad de ser
recomendaciones generales, as� que no se preocupe si no son exactas. Varios de los
cient�ficos de datos con los que hablamos dijeron que la �nica forma de encontrar
el mejor algoritmo es probarlos todos.
Este es un ejemplo de Azure AI Gallery de un experimento en el que se prueban
varios algoritmos con los mismos datos y se comparan los resultados: Compare Multi-
class Classifiers: Letter recognition (Comparaci�n de clasificadores multiclase:
reconocimiento de letras).
Sugerencia

Para descargar una introducci�n infogr�fica f�cil de comprender sobre conceptos


b�sicos de aprendizaje autom�tico para obtener informaci�n acerca de los algoritmos
populares utilizados para responder a preguntas comunes sobre el aprendizaje
autom�tico, consulte Conceptos b�sicos de aprendizaje autom�tico con ejemplos de
algoritmos.
Variantes del aprendizaje autom�tico

También podría gustarte