Vamos a detallar qué es el aprendizaje supervisado, la clave es que en este tipo de situaciones se utilizan datos etiquetados, es decir, datos de entrada donde la variable objetivo (salida) es conocida.
La red neuronal recibe un conjunto de datos de entrada con las etiquetas correctas de la variable de salida y el algoritmo aprende de esos datos para comparar la salida calculada con la salida correcta (Fase de entrenamiento).
Se realizan múltiples iteraciones para que el modelo sea más preciso y se predicen futuros casos.
El proceso sería el siguiente:
1. Dataset entrada
Tenemos un dataset de entrada donde disponemos de la variable objetivo que queremos predecir y una serie de variables de entrada. La variable objetivo es la etiqueta como tal de ese registro:
2. Modelo Clasificación
3. Predicción
En función de que la variable objetivo sea una "categoría" o bien sea un "valor numérico", nos enfrentaremos a un problema de clasificación o regresión respectivamente.
Para poder aplicar y resolver un caso de uso de aprendizaje supervisado, el proceso a seguir es el siguiente:
En el siguiente vídeo se explica en detalle todo lo visto en el aprendizaje supervisado:
Esta píldora formativa está extraída del Curso online de Deep Learning: domina las redes neuronales con Tensorflow y Python.
No pierdas tu oportunidad y ¡continúa aprendiendo!
Política de privacidad
ADR Formación utiliza cookies propias y de terceros para fines analíticos anónimos, guardar las preferencias que selecciones y para el funcionamiento general de la página.
Puedes aceptar todas las cookies pulsando el botón "Aceptar" o configurarlas o rechazar su uso pulsando el botón "Configurar".
Puedes obtener más información y volver a configurar tus preferencias en cualquier momento en la Política de cookies
