Estadística Práctica para Científicos de Datos, 2ª Edición

Capítulo 6. Aprendizaje automático estadístico

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

Los avances recientes en estadística se han dedicado a desarrollar técnicas automatizadas más potentes para el modelado predictivo, tanto de regresión como de clasificación.Estos métodos, como los analizados en el capítulo anterior, son métodos supervisados:se entrenan con datos en los que se conocen los resultados y aprenden a predecir resultados en datos nuevos. Se engloban en el aprendizaje automático estadístico y se distinguen de los métodos estadísticos clásicos en que se basan en los datos y no tratan de imponer una estructura lineal u otra estructura general a los datos.El método de los vecinos más próximos, por ejemplo, es bastante sencillo: clasificar un registro en función de cómo se clasifican los registros similares.Las técnicas de mayor éxito y más utilizadas se basan en el aprendizaje por conjuntos aplicado a los árboles de decisión. La idea básica del aprendizaje por conjuntos es utilizar muchos modelos para formar una predicción, en lugar de utilizar un único modelo. Los árboles de decisión son una técnica flexible y automática para aprender reglas sobre las relaciones entre las variables predictoras y las variables de resultado. Resulta que la combinación del aprendizaje por conjuntos con los árboles de decisión da lugar a algunas de las técnicas de modelado predictivo más eficaces que existen.

El ...