Más datos, más preguntas, mejores respuestas

Los algoritmos de Machine Learning encuentran patones naturales en Los datos que generan conocimiento y contribuyen a ar mejores decision和a realizar mejores predicones。Se utizan a diario para tomar decisiones crucales en diagnósticos médicos, trading de acciones, previsión de la carga energética，等等。Por ejemplo, los sittios多媒体confían en el aprendizaje automático para cribar millones de opciones con objeto de recerle推荐aciones sobre cancciones o películas。少数人的新闻和新闻información严肃的新闻和我们的客户。

¿Cuándo se debe usar el Machine Learning?

“机器学习的考虑”(Considere el uso de Machine Learning cuando tenga una tarea o un problema compljos que impliquen una gran cantidad de datos y muchas variables)， pero disonga de ninguna fórmula o ecuación。Por ejemplo, el aprendizaje automático es una buena opción si必要的环境和情况都是一样的。

Aprendizaje supervisado

埃尔aprendizaje automatico supervisadoCrea UN modelo que realiza predicciones en función de las pruebas en presencia de una incertidumbre。有一个算法，有一个预先确定的预先确定的，有一个预先确定的，有一个预先确定的，有一个预先确定的，有一个预先确定的，有一个预先确定的(salidas)，有一个预先确定的，有一个预先确定的，有一个新的预先确定的。使用我们已经完成的任务，我们已经完成的任务，我们已经完成的任务，我们已经完成的任务está我们的前任。

El aprendizaje administrado emplea técnicas de clasificación y regresión para desarrollar modelos predictivos。

拉斯维加斯tecnicas de clasificacionpredicen respuestas discretas;Por ejemplo, si UN correo electrónico es legítimo o es spam, o bien si UN tumor es cancerígeno o benigno。Los modelos de clasificación organizan Los datos de entrada en categorías。Las aplicaciones más habituales son Las imágenes médicas, el reconocimiento de voz y la calificación credita。

Utilice la clasificación si sus datos se pueden etiquetar, categorizar o dividir en grupos o clases concretos。Por ejemplo, las aplicaciones para el reconocimiento de la escritura emplean la clasificación para reconocer letras y números。En el procesamiento de imágenes y la visión人工的，se emplean técnicas deReconocimiento de patrones sin supervisiónPara la detección de objetos y la segmentación de imágenes。

Algunos algoritmos habituales para realizar la clasificación son:máquina de vectores de soporte (SVM),arboles德决定提高了y袋装,k-vecino mas目的地是,clasificadores bayesianos (Naïve Bayes),分析discriminante,regresion logisticay红色的神经元。

拉斯维加斯: tecnicas de退化predicen respuestas连续;Por ejemplo, cambios de temperature atura o inflaciones en la demanda energética。Las aplicaciones más habituales son la predicción de la carga eléctrica y el trading algorítmico。

Utilice técnicas de regresión si trabaja con un intervalo de datos o si la naturalza de la respuesta es un número real, como la温度o el tiempo que tardará una pieza de equipment amiento en fallar。

Algunos algoritmos habituales de regresión son:莫德罗直系,莫德罗没有直系,regularizacion,regresion为什么出来,arboles德决定提高了y袋装,红色的神经元yaprendizaje neurodifuso adaptativo。

一个continuación我们最近的指示，对挽歌的开端，我们的监督automático没有监督:

• 以利亚埃尔aprendizaje supervisadoSi necesita entrenar UN modelo para realizar una predicción;Por ejemplo, el valor futuro de una variable continua (como la temperature atura o el precio de una acción) o una clasificación (Por ejemplo, identificar marcas de coches a partir de vídeo de una webcam)。
• 以利亚埃尔aprendizaje没有supervisado我们必须探索我们的数据，我们的世界，我们的模式，我们的地方，我们的国家representación国际，我们的国家división我们的数据，我们的集群。