Algoritmos de Machine Learning
Una de las estrategias para aprender mejor una cierta materia es hacer mapas mentales. Me ha servido todo el tiempo.
También contar historias. por ejemplo, si imaginamos que el proceso de modelamiento predictivo es una batalla, si, una batalla! podemos considerar un conjunto de datos como el enemigo.
Y cuales son nuestras armas para vencer a este enemigo? Los Algoritmos de Machine Learning.
Ganar esta batalla dependerá de nuestro conocimiento y la estrategia que usemos.
Algoritmos de Machine Learning
Aprendizaje Supervisado: Entras en la batalla y no nos detenemos hasta dar de baja a todos nuestros enemigos (incluye las siguientes armas - algoritmos: Regresión Lineal, Regresión Logística, Decision Tree, Random Forest)
Aprendizaje No Supervisado: El rival nos desafía. De nosotros depende entrar o no a la batalla habiendo analizado las fortalezas y debilidades del oponente (incluye las siguientes armas - algoritmos: Clustering con K-means, DB Scan, A priori)
Usemos nuestras armas (Algoritmos)
Regresión Logística: Antes de iniciar la batalla, pienso si voy o no voy a pelear.
Regresión Linear: A medida que avanzo en el campo de batalla voy matando cada vez mas soldados.
Decision Tree, Random Forest: Divide a tus oponentes y vencerás.
Modelo Bayesiano: Estoy analizando la información del enemigo y tengo diferentes probabilidades de ganar dependiendo donde se de la batalla, si en el agua, mar o tierra.
Support Vector Machine: El enemigo tiene distintos soldados, tengo que usar el arma del Hiperplano y separarlos según sus destrezas.
KNN: El enemigo tiene distintos pelotones, y se agrupan entre si, manteniendo la distancia entre ellos.
K-means: Voy a construir alianzas (grupos) con otros ejércitos que comparten la misma filosofía, objetivos y motivos.
Red Neuronal y Perceptron: Los soldados corren hacia los soldados enemigos y deciden instantáneamente con qué soldado luchar. Naturalmente, cada soldado preferiría luchar contra un soldado enemigo más débil (mirar y analizar) para poder aniquilar rápidamente a sus oponentes.
Espero les sirvan estos ejemplo, son solo con fines didácticos.