-
Notifications
You must be signed in to change notification settings - Fork 0
/
analispredictivos algoritmos.txt
17 lines (13 loc) · 1.12 KB
/
analispredictivos algoritmos.txt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Algoritmos Estadísticos
En el aprendizaje supervisado, los algoritmos trabajan con datos “etiquetados”, intentado encontrar una función que, dadas las variables de entrada (input data), les asigne la etiqueta de salida adecuada. El algoritmo se entrena con un “histórico” de datos y así “aprende” a asignar la etiqueta de salida adecuada a un nuevo valor, es decir, predice el valor da salida.
- Árboles de decisión
- Clasificación de Naïve Bayes
- Regresión por mínimos cuadrados
- Regresión Logística
- Support Vector Machines (SVM)
- Métodos “Ensemble” (Conjuntos de clasificadores)
El aprendizaje no supervisado tiene lugar cuando no se dispone de datos “etiquetados” para el entrenamiento. Sólo conocemos los datos de entrada, pero no existen datos de salida que correspondan a un determinado input. Por tanto, sólo podemos describir la estructura de los datos, para intentar encontrar algún tipo de organización que simplifique el análisis. Por ello, tienen un carácter exploratorio.
- Algoritmos de clustering
- Análisis de componentes principales
- Descomposición en valores singulares
- Análisis de componentes independientes