Tipos de algoritmos en Machine Learning

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 función del tamaño es una salida continua.

Ejemplo:

Digamos que el conjunto de datos colectados tienen la siguiente forma en el gráfico.

Nuestro algoritmo de aprendizaje intentara descubrir cual es el mejor gráfico que se ajusta a nuestro conjunto de datos. A simple vista podemos decir que la función cuadrática se ajusta mejor a los datos que la linea recta pero este resultado sera descubierto por nuestro algorimo de aprendizaje.

• Clasificación - Dado un paciente con un tumor, tenemos que predecir si el tumor es maligno o benigno. 

2. Aprendizaje no supervisado: Este tipo de algoritmos nos permite abordar los problemas con poca o ninguna idea de cómo deben ser nuestros resultados. El objetivo de estos algoritmos es encontrar algún tipo de relación en los datos. Es decir nuestro algoritmo recibe un conjunto de datos sin saber con anticipación alguna clasificación de ellos por ejemplo en el caso anterior se tenía dos tipos de clasificación maligno o benigno según el tamaño del tumor.