¿Qué es el Aprendizaje No Supervisado? El Aprendizaje No Supervisado es una técnica de aprendizaje automático en la que los usuarios no necesitan supervisar el modelo. En cambio, permite que el modelo trabaje por sí mismo para descubrir patrones e información que antes no habían sido detectados. Principalmente trata con datos no etiquetados.
Algoritmos de Aprendizaje No Supervisado Los algoritmos de Aprendizaje No Supervisado permiten a los usuarios realizar tareas de procesamiento más complejas en comparación con el aprendizaje supervisado. Aunque, el aprendizaje no supervisado puede ser más impredecible en comparación con otros métodos naturales de aprendizaje. Los algoritmos de aprendizaje no supervisado incluyen clustering, detección de anomalías, redes neuronales, etc.
En este tutorial, aprenderás: Ejemplo de Aprendizaje No Supervisado Tomemos un ejemplo de Aprendizaje No Supervisado para un bebé y su perro familiar. Ella conoce e identifica a este perro. Unas semanas más tarde, un amigo de la familia trae un perro y trata de jugar con el bebé. El bebé no ha visto este perro antes. Pero identifica muchas características (2 orejas, ojos, caminar en 4 patas) como su perro mascota. Identifica al nuevo animal como un perro. Esto es un aprendizaje no supervisado, donde no se te enseña sino que aprendes a partir de los datos (en este caso, datos sobre un perro). Si esto hubiera sido un aprendizaje supervisado, el amigo de la familia le habría dicho al bebé que es un perro como se muestra en el ejemplo de Aprendizaje No Supervisado anterior. ¿Por qué Aprendizaje No Supervisado? Aquí, hay razones principales para usar Aprendizaje No Supervisado en el Aprendizaje Automático: El aprendizaje automático no supervisado encuentra todo tipo de patrones desconocidos en los datos. Los métodos no supervisados te ayudan a encontrar características que pueden ser útiles para la categorización.
Se lleva a cabo en tiempo real, por lo que todos los datos de entrada se analizan y etiquetan en presencia de los aprendices. Es más fácil obtener datos no etiquetados de una computadora que datos etiquetados, que requieren intervención manual. Tipos de Clustering de Algoritmos de Aprendizaje No Supervisado A continuación se presentan los tipos de clustering de los algoritmos de Aprendizaje No Supervisado: 1) Clustering Exclusivo (particionamiento) 2) Clustering Aglomerativo 3) Clustering Superpuesto 4) Clustering Probabilístico
Tipos de Clustering El agrupamiento Jerárquico, el agrupamiento K-medias, el K-NN (k vecinos más cercanos), el Análisis de Componentes Principales, la Descomposición de Valores Singulares, el Análisis de Componentes Independientes son tipos de Clustering de Aprendizaje No Supervisado.
Resumen El aprendizaje no supervisado es una técnica de aprendizaje automático en la que no necesitas supervisar el modelo. El aprendizaje automático no supervisado te ayuda a encontrar patrones desconocidos en los datos. Clustering y asociación son dos tipos de aprendizaje no supervisado. Cuatro tipos de métodos de clustering son 1) Exclusivo 2) Aglomerativo 3) Superpuesto 4) Probabilístico. Los tipos de clustering importantes son: 1) Clustering Jerárquico 2) Clustering K-medias 3) K-NN 4) Análisis de Componentes Principales 5) Descomposición de Valores Singulares…