Terminología de aprendizaje automático
Las terminologías clave de aprendizaje automático son:
- Relaciones
- Etiquetas
- Características
- Modelos
- Capacitación
- Inferencia
Relaciones
Los sistemas de aprendizaje automático utilizan relaciones entre entradas para producir predicciones .
En álgebra, una relación a menudo se escribe como y = ax + b :
- y es la etiqueta que queremos predecir
- a es la pendiente de la recta
- x son los valores de entrada
- b es la intersección
Con ML, una relación se escribe como y = b + wx :
- y es la etiqueta que queremos predecir
- w es el peso (la pendiente)
- x son las características (valores de entrada)
- b es la intersección
Etiquetas de aprendizaje automático
En la terminología de Machine Learning, la etiqueta es lo que queremos predecir .
Es como la y en un gráfico lineal:
| Álgebra | Aprendizaje automático |
| y = hacha + b | y = b + wx |
Funciones de aprendizaje automático
En la terminología de aprendizaje automático, las características son la entrada .
Son como los valores de x en un gráfico lineal:
| Álgebra | Aprendizaje automático |
| y = un x + segundo | y = segundo + ancho x |
A veces puede haber muchas características (valores de entrada) con diferentes pesos:
y = b + w1x1 + w2x2 + w3x3 + w4x4
Modelos de aprendizaje automático
Un Modelo define la relación entre la etiqueta (y) y las características (x).
Hay tres fases en la vida de un modelo:
- Recopilación de datos
- Capacitación
- Inferencia
Entrenamiento de aprendizaje automático
El objetivo del entrenamiento es crear un modelo que pueda responder una pregunta. ¿Cuál es el precio esperado de una casa?
Inferencia de aprendizaje automático
La inferencia es cuando el modelo entrenado se usa para inferir (predecir) valores usando datos en vivo. Como poner el modelo en producción.