Introducción a
Machine
Learning
Sesión 1
Introducción a ML
• Machine Learning
• Aprendizaje supervisado.
• Algoritmos de clasificación
• EDA
• Peprocesamiento
• Naive Bayes
• Árbol de Decisión
• Gradient Boosting Classifier.
Objetivo de Aprendizaje
Meta Principal Conocimientos Aplicación Práctica
Identificar los conceptos de
Clave Implementar algoritmos de
aprendizaje supervisado para el Machine Learning en problemas
desarrollo de algoritmos de Dominar técnicas de clasificación y reales
clasificación binaria preprocesamiento de datos
¿Qué es Machine Learning?
La idea de Machine Learning es que habrá algún algoritmo
de aprendizaje que ayudará a la máquina aprender de los
datos. El profesor Mitchell lo definió de la siguiente manera.
"Se dice que un programa informático aprende de la
experiencia E con respecto a alguna clase de tareas T
y una medida de rendimiento P, si su rendimiento en
las tareas de T, medido por P, mejora con la
experiencia E".
Aunque esta definición puede parecer desalentadora al
principio, le pido que la lea un par de veces lentamente
centrándose en los tres parámetros -T, P y E- que son los
principales componentes de cualquier algoritmo de
aprendizaje.
Definir la Tarea Específica
La tarea, T, que puede definirse con un
doble enfoque. Desde el punto de vista del
problema, la tarea, T, es básicamente el
problema del mundo real que hay que
resolver, que puede ser cualquier cosa, desde
encontrar la mejor combinación de marketing
o de productos hasta predecir los fallos de la
infraestructura.
En el mundo del aprendizaje automático, lo
mejor es definir la tarea de la forma más
concreta posible, de manera que problema
exacto que se pretende resolver y cómo se
podría definir o formular el problema en una
tarea específica de aprendizaje automático.
Ejemplos de Tareas
Clasificación Predicción
Detección Anomalías
Clustering o agrupaciones Procesamiento de Lenguaje Natural
Experiencia (Entrenamiento)
La idea de que un modelo o algoritmo
adquiera experiencia E suele producirse
como un proceso iterativo, también conocido
como entrenamiento del modelo. Se podría
pensar que el modelo es una entidad como un
ser humano queque adquiere conocimientos o
experiencia a través de los puntos de datos,
observando y aprendiendo más y más sobre
los diversos atributos, relaciones y patrones
presentes en los datos. Por supuesto, hay
varias formas y maneras de aprender y
adquirir experiencia, como el aprendizaje
supervisado, el no supervisado y el de
refuerzo.
Rendimiento (Perfomance)
Supongamos que tenemos un algoritmo de aprendizaje
automático que debe realizar una tarea, T, y que va
ganando experiencia, E, con puntos de datos durante un
período de tiempo. Pero, ¿cómo sabemos si está actuando
bien o no?
¿Cómo se comporta? Aquí es donde entra en juego el
rendimiento, P, del modelo.
El rendimiento, P, suele ser una medida cuantitativa o
métrica que se utiliza para ver lo bien que el algoritmo o
modelo realiza la tarea, T, con experiencia, E. Aunque las
métricas de rendimiento suelen ser métricas estándar que
se han establecido tras años de investigación y desarrollo,
cada métrica suele calcularse específica para la tarea, T,
que se intenta resolver en un momento dado.
Ciclo de vida de ML
Tipos de Variables - Estadística
Tipos de Algoritmos de ML
Aprendizaje Supervisado
Técnica de Machine Learning donde se entrena un
modelo utilizando un conjunto de datos etiquetado.
Cada ejemplo de entrenamiento consta de una entrada
(características o atributos) y una etiqueta o resultado
deseado.
Objetivo: función que pueda mapear las entradas a las
etiquetas o resultados correctos, permitiendo hacer
predicciones precisas sobre nuevas entradas.
• Datos etiquetados con relaciones
conocidas
Aspectos
Clave • Aprendizaje de patrones en los
datos
• Evaluación mediante métricas de
rendimiento
Aplicaciones del Aprendizaje Supervisado
Clasificación Regresión
• Asignar etiquetas o categorías a entradas. • Predecir valores numéricos continuos. Ejemplos:
Ejemplos: clasificar correos como spam o no predecir el precio de una casa según tamaño, ubicación
spam, identificar especies de animales en y características.
imágenes.
El aprendizaje supervisado es una de las técnicas más utilizadas en ML debido a
su versatilidad y aplicabilidad en problemas del mundo real, desde clasificación
hasta predicción y toma de decisiones.
Algoritmos de Clasificación
Los algoritmos de clasificación son técnicas de Machine Learning que asignan una etiqueta o categoría a un elemento
de entrada basándose en sus características. Predicen la clase a la que pertenece el elemento usando patrones
aprendidos de datos de entrenamiento etiquetados.
Correo Electrónico Imágenes Documentos
Determinar si es spam o no spam Identificar objetos como gatos, Categorizar en diferentes temas
perros o automóviles
Diagnóstico Médico Recomendaciones
Predecir enfermedades según síntomas Sugerir productos según preferencias
Algoritmos Comunes de Clasificación
1 Máquinas de Soporte Vectorial (SVM)
Útiles para clasificación binaria y pueden manejar datos no lineales de manera efectiva.
2 Árboles de Decisión
Representan decisiones y pueden manejar datos categóricos y numéricos simultáneamente.
3 Naive Bayes
Basado en el teorema de Bayes, ideal para clasificación de texto y documentos.
4 Random Forest
Conjunto de árboles de decisión que combina múltiples modelos para mejorar la precisión.
La elección del algoritmo depende del problema específico, la naturaleza de los datos y los objetivos del aprendizaje automático
Análisis Exploratorio de Datos
(EDA)
EDA es una etapa crucial que aplica técnicas estadísticas y visuales
para examinar datos, identificar patrones, tendencias, relaciones y
posibles anomalías.
Propósitos Principales Beneficios Clave
• Comprender estructura y • Visualización clara de datos
naturaleza de los datos • Identificación de valores faltantes
• Detectar anomalías y valores • Selección de características
atípicos relevantes
• Explorar distribuciones de variables
• Validación de suposiciones iniciales
• Identificar relaciones y • Resumen de hallazgos clave
correlaciones
• Seleccionar técnicas de
modelado apropiadas
Preprocesamiento de Datos
El preprocesamiento es una fase crítica que implica preparar y limpiar datos brutos antes de análisis avanzados o
construcción de modelos predictivos. Es esencial para garantizar que los datos estén en condiciones óptimas y los
resultados sean confiables.
01 02 03
Limpieza de Datos Transformación Selección de
Identificar y tratar valores Normalización,
Características
atípicos y valores faltantes estandarización y Identificar y mantener solo
que pueden distorsionar el codificación de variables las características más
análisis. categóricas en formatos relevantes para reducir
numéricos. dimensionalidad.
04 05
Manejo de Desbalances Reducción de Ruido
Abordar desequilibrios en las clases que Eliminar información irrelevante
afectan el aprendizaje del modelo. que dificulta la precisión del análisis.
Preprocesamiento de Datos
El preprocesamiento es una fase crítica que implica preparar y limpiar datos brutos antes de análisis avanzados o
construcción de modelos predictivos. Es esencial para garantizar que los datos estén en condiciones óptimas y los
resultados sean confiables.
01 02 03
Limpieza de Datos Transformación Selección de Características
Identificar y tratar valores atípicos y Normalización, estandarización y Identificar y mantener solo las
valores faltantes que pueden codificación de variables categóricas características más relevantes para
distorsionar el análisis. en formatos numéricos. reducir dimensionalidad.
04 05
Manejo de Desbalances Reducción de Ruido
Abordar desequilibrios en las clases que afectan el Eliminar información irrelevante que dificulta la precisión del análisi
aprendizaje del modelo.
Naive Bayes
Naive Bayes es un algoritmo de clasificación supervisada basado en el Aplicaciones Comunes
teorema de Bayes. El nombre "Naive" (ingenuo) se refiere a la
• Clasificación de texto y documentos
suposición simplificada de independencia entre características, que
aunque no siempre es cierta, resulta efectiva en la práctica. • Detección de spam
• Análisis de sentimientos
A pesar de esta suposición simplificada, los clasificadores Naive Bayes
son rápidos de entrenar y usar, siendo ampliamente utilizados en • Sistemas de recomendación
procesamiento de lenguaje natural, clasificación de textos, sistemas de • Diagnóstico médico
recomendación y detección de spam. • Detección de fraudes
Árbol de Decisión y Gradient Boosting
Árbol de Decisión Gradient Boosting Classifier
Estructura jerárquica donde cada nodo interno Algoritmo de ensamble que combina múltiples
representa una pregunta sobre una característica, árboles de decisión débiles de manera secuencial.
cada rama una respuesta, y cada hoja una decisión Cada iteración mejora el rendimiento corrigiendo
o etiqueta. Altamente interpretable y maneja datos errores anteriores mediante ponderación, logrando
mixtos para clasificación y regresión. mayor precisión en clasificación y regresión.
Ambos algoritmos son fundamentales en Machine Learning, ofreciendo
soluciones robustas para problemas complejos de clasificación y predicción.