Análisis de Texto Aplicado con Python

Capítulo 8. Visualización de textos

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

El aprendizaje automático se asocia a menudo con la automatización de la toma de decisiones, pero en la práctica, el proceso de construcción de un modelo predictivo suele requerir un humano en el bucle. Mientras que los ordenadores son buenos en el cálculo numérico rápido y preciso, los humanos son instintiva e instantáneamente capaces de identificar patrones. El puente entre estos dos conjuntos de habilidades necesarias reside en la visualización: larepresentación precisa y exacta de los datos por parte de un ordenador en términos visuales y la asignación inmediata de significado a esos datos por parte de los humanos.

En los Capítulos 5 y 6 examinamos varios ejemplos prácticos de modelos de aprendizaje automático aplicados. Sin embargo, en la ejecución de estos ejemplos, observamos que la integración del aprendizaje automático a menudo no es tan sencilla como limitarse a ajustar un modelo. Por un lado, el primer modelo rara vez es óptimo, lo que significa que con frecuencia es necesario un proceso iterativo de ajuste, evaluación y puesta a punto del modelo.

Además, la evaluación, dirección y presentación de los resultados de la analítica de texto aplicada es bastante menos sencilla que con los datos numéricos. ¿Cuál es la mejor manera de encontrar las características más informativas cuando las características pueden ser palabras, ...