Mis apuntes de Machine Learning

En este ejercicio, se implementará la regresión lineal con una variable para predecir los beneficios de un carro sanguchero. Supongamos que el gerente de una franquicia de carros sanguchero y está considerando diferentes ciudades para expandirse . La cadena ya tiene carros sanguchero en varias ciudades y se tiene datos de las ganancias y el tamaño poblacion de las ciudades. Y nos gustaria usar esa data para ayudarnos a elegir la siguiente ciudad para expandirse. Plotting the Data El archivo ex1data1.txt contiene el conjunto de datos para nuestro problema de regresión lineal. La primera columna es la población de una ciudad y la segunda columna es el beneficio de un carro sanguchero en esa ciudad. Un valor negativo para el beneficio indica un pérdida. El script ex1.m ya ha sido configurado para cargar estos datos para usted. Antes de comenzar cualquier tarea, a menudo es útil comprender los datos visualizándolos. Para este conjunto de datos...

En ubuntu , usamos el siguiente comando: sudo apt-get update && sudo apt-get install octave En fedora, usamos el siguiente comando: sudo yum install octave-forge Se recomienda tener conocimientos en álgebra lineal:  curso-algebra-lineal-libre

Hay varios tipos de algoritmos relacionado a machine learning pero los dos principales son: Aprendizaje supervisado. Aprendizaje no supervisado. 1. Aprendizaje supervizado: En este tipo de algoritmos contamos con un conjunto de datos (datasets) y sabemos cual debe ser la salida correcta para cada dato de entrada. Esto nos dice que hay una relación entre la entrada y la salida. Este tipo de aprendizaje se categoriza en dos tipos de problemas regresión y clasificación. En el problema de regresión, tratamos de predecir resultados dentro de una salida continua, es decir tratamos de ajustar las variables de entrada con alguna función continua. En cambio en el problema de clasificación tratamos de predecir resultados en salidas discretas. En otras palabras tratamos de ajustar las variables de entrada en categorias discretas. Ejemplo: Regresión - Dado un conjunto de datos sobre el tamaño de las casas en el mercado inmobiliario, tratamos de predecir el precio. El precio como una fu...

No hay una definición que sea totalmente aceptada de lo que es o no es machine learning. Pero veamos un par de ejemplos de intentos de definición: Arthur Samuel(1959) : Define machine learning como el campo de estudio que da a las computadoras la abilidad para aprender sin ser explicitamente programadas. Esta es una definición algo informal y antigua. Tom Mitchel(1998) : Define machine learning de la siguiente forma, "Se dice que un programa de computadora esta aprendiendo de la experiencia E con respecto a una clase de tarea T y un rendimiento medido por P. Si su rendimiento en la tarea T, medido por P, mejora con la experiencia E". Esta definición es algo confusa pero tiene mucha relación cuando uno desea implementar un solución a un problem de machine learning, veamos un ejemplo: Supongamos que implementamos un programa de mensaje de correos el cual observara que correo nosotros seleccionamos como spam o no spam, y basado en ello el programa aprendera como filtrar m...

Empiezo este blog con el unico fin de compartir y fortalecer los conocimientos adquiridos en el curso de machine learning dictado por Andrew Ng en coursera. Cabe resaltar que gran parte de lo que publique lo pueden encontrar en el curso, les dejo el link por si desean llevar el curso,  por mi parte tratare de resumir el curso en gran medida: machinelearningCourseraAndrewNg