ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ MANUEL FÉLIX

LÓPEZ

CARRERA DE COMPUTACIÓN

SEXTO SEMESTRE

TEMA:
APRENDIZAJE: CONCEPTOS GENERALES
AUTOR:
► PROAÑO SOLÓRZANO PEDRO PABLO

MATERIA:
APRENDIZAJE AUTOMÁTICO

DOCENTE:
ING. LUIS CEDEÑO
 Introducción

■ Para empezar con las máquinas que aprenden: un sistema organizado puede
definirse como aquel que transforman un cierto mensaje de entrada en uno de
salida, de acuerdo con algún principio de transformación. Si tal principio está sujeto
a cierto criterio de validez de funcionamiento, y si el método de transformación se
ajusta a fin de que tienda a mejorar el funcionamiento del sistema de acuerdo con
ese criterio, se dice que el sistema aprende.
 CLASIFICACIÓN
■ Los datos son objetos caracterizados por atributos que pertenecen a diferentes
clases ( etiquetas discretas ). La meta es inducir un modelo para poder predecir una
clase dados los valores de los atributos. Se usan por ejemplo, árboles de decisión,
reglas, etc. Por ejemplo, determinar qué clase de planta está representada en un
conjunto de datos.
 Regresión
■ Las clases son continuas. La meta es inducir un modelo para poder predecir el valor
de la clase dados los valores de los atributos. Se usan por ejemplo, árboles de
regresión, regresión lineal, redes neuronales, etc.
■ Se usa una regresión para predecir los valores ausentes de una variable basándose
en su relación con otras variables del conjunto de datos.
■ Por ejemplo, establecer el precio de un producto.
 PROBABILIDAD
■ La probabilidad es un método por el cual se obtiene la frecuencia de un suceso
determinado mediante la realización de un experimento aleatorio, del que se
conocen todos los resultados posibles, bajo condiciones suficientemente estables.
■ La probabilidad de un suceso es un número comprendido entre 0 y 1.
 Probabilidad de Bayes
■ El teorema de bayes es un procedimiento para obtener probabilidades
condicionales ( probabilidades de ocurrencia de acontecimientos condiciones a la
ocurrencia de otros acontecimientos).
■ Se utiliza para revisar probabilidades previamente calculadas cuando se posee
nueva información.
■ Desarrollado por el reverendo Thomas Bayes en el siglo XVLL, el teorema de Bayes
es una extensión de la probabilidad condicional.
■ Comúnmente se inicia una análisis de probabilidades con una asignación inicial,
probabilidad a prori. Cuando se tiene alguna información adicional se procede a
calcular las probabilidades revisadas o a posteriori
Probabilidad de Variables Continuas
■ Una distribución de probabilidad continua es una función que asigna a un intervalo
de la variable aleatoria continua X su valor de probabilidad correspondiente. Es
decir, la probabilidad de que un evento ocurra en un intervalo de la variable. Esto
puede ocurrir de tres formas distintas: ≥
■ P( a ≤ X ≤ b) P( X ≤ b) P(a ≤ X)
 Varianza
■ Uno de los conceptos mas importantes en el análisis estadístico y el control
experimental de variables es la varianza.
■ En principio, la varianza es una medida de variabilidad que da cuenta del grado de
homogeneidad de un grupo de observaciones, la fórmula de cálculo es la siguiente:
 Media
■ Es el resultado obtenido de la suma de los valores dividido entre el número de
sumandos. La media aritmética es muy utilizada en las escuelas y universidades,
por esta razón se le llama promedio a lo que obtienes de sumar todas las
calificaciones obtenidas y dividirlas entre las materias, de esta forma también se
reconoce cuando quedas reprobado al estar por debajo del promedio.
 Esquema General del Aprendizaje
■ El sistema tiene dos entradas, que son los ejemplos y los conocimientos
previos, eso genera como salida la descripción del concepto. Los ejemplos
instancian un cierto concepto, lo describen mediante distintos valores de sus
atributos. Los conocimientos previos tienen información sobre el lenguaje que
se usa para describir los ejemplos y los conceptos. Entonces, el sistema utiliza
los conocimientos previos para interpretar los ejemplos y para generar
descripciones a partir de ellos
 Reconocimiento de Patrones
■ El reconocimiento de patrones también llamado lectura de patrones,
identificación de figuras y reconocimiento de formas, consiste en el
reconocimiento de patrones de señales. Los patrones se obtienen a partir de
los procesos de segmentación, extracción de características y descripción
donde cada objeto queda representado por una colección de descriptores. El
sistema de reconocimiento debe asignar a cada objeto su categoría o clase
(conjunto de entidades que comparten alguna característica que las
diferencias del resto). Para poder reconocer los patrones se siguen los
siguientes procesos:
■ Adquisición de Datos
■ Extracción de Características
■ Toma de Decisiones
 Conclusiones
■ El Aprendizaje Automático o de Máquina es una disciplina en plena evolución que
libera al Ingeniero del conocimiento de parte de la tarea de adquisición de
conocimientos que es la etapa más laboriosa; además de transformar la interfaz
hombre-máquina, llevándolo desde la ejecución de comandos hasta el uso del
lenguaje natural.