Patrones de diseño de aprendizaje automático
by Valliappa Lakshmanan, Sara Robinson, Michael Munn
Capítulo 2. Patrones de diseño de representación de datos
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
En el corazón de cualquier modelo de aprendizaje automático hay una función matemática que se define para operar sólo con tipos específicos de datos. Al mismo tiempo, los modelos de aprendizaje automático del mundo real necesitan operar con datos que pueden no ser directamente enchufables a la función matemática. El núcleo matemático de un árbol de decisión, por ejemplo, opera con variables booleanas. Ten en cuenta que estamos hablando del núcleo matemático de un árbol de decisión: el software de aprendizaje automático de árboles de decisión suele incluir también funciones para aprender un árbol óptimo a partir de datos y formas de leer y procesar distintos tipos de datos numéricos y categóricos. Sin embargo, la función matemática (ver Figura 2-1) que sustenta un árbol de decisión opera sobre variables booleanas y utiliza operaciones como AND (&& en la Figura 2-1) y OR (+ en la Figura 2-1).
Figura 2-1. El corazón de un modelo de aprendizaje automático de árbol de decisión para predecir si un bebé requiere o no cuidados intensivos es un modelo matemático que opera sobre variables booleanas.
Supongamos que tenemos un árbol de decisión para predecir si un bebé necesitará cuidados intensivos (CI) o puede ser ...