Recetario de Aprendizaje Automático con Python, 2ª Edición

Capítulo 19. Agrupación

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

19.0 Introducción

En gran parte de este libro hemos analizado el aprendizaje automático supervisado, en el que tenemos acceso tanto a las características como al objetivo. Desgraciadamente, no siempre es así. Con frecuencia, nos encontramos con situaciones en las que sólo conocemos las características. Por ejemplo, imaginemos que tenemos registros de ventas de una tienda de comestibles y queremos desglosar las ventas en función de si el comprador es miembro de un club de descuentos. Esto sería imposible utilizando el aprendizaje supervisado porque no tenemos un objetivo para entrenar y evaluar nuestros modelos. Sin embargo, existe otra opción: el aprendizaje no supervisado . Si el comportamiento de los socios y no socios de un club de descuento en el supermercado es realmente dispar, entonces la diferencia media de comportamiento entre dos socios será menor que la diferencia media de comportamiento entre un comprador socio y uno no socio. Dicho de otro modo, habrá dos grupos de observaciones.

El objetivo de los algoritmos de agrupación es identificar esas agrupaciones latentes de observaciones, lo que, si se hace bien, nos permite predecir la clase de las observaciones incluso sin un vector objetivo. Hay muchos algoritmos de agrupación, y tienen una gran variedad de enfoques para identificar las agrupaciones en los datos. En este capítulo, ...