🏷️Supervised learning vs Unsupervised learning🔍
El aprendizaje automático tiene dos estilos fundamentales. La diferencia clave es si los datos de entrenamiento vienen con las respuestas correctas adjuntas.
Lanza una encuesta moomz: ¿quién gana?
moomz.com — 10s, anónimo, gratis
🏷️Supervised learning
- ✓Se entrena con datos que incluyen etiquetas o respuestas conocidas
- ✓Aprende a predecir salidas a partir de entradas
- ✓Se usa para tareas de clasificación y regresión
- ✓La precisión se puede medir frente a las etiquetas verdaderas
- ✓Necesita datos de entrenamiento etiquetados por humanos, costosos
🔍Unsupervised learning
- ✓Se entrena con datos sin ninguna etiqueta
- ✓Descubre estructuras y patrones ocultos
- ✓Se usa para agrupamiento y reducción de dimensionalidad
- ✓Es más difícil de evaluar sin una verdad de referencia
- ✓Funciona con abundantes datos brutos sin etiquetar
Veredicto
Usa el aprendizaje supervisado cuando tengas ejemplos etiquetados y un objetivo claro que predecir. Usa el no supervisado para explorar datos sin etiquetar y descubrir agrupaciones que no definiste de antemano.
Preguntas frecuentes
¿Cuál necesita datos etiquetados?+
El aprendizaje supervisado. Requiere pares de entrada-salida donde la respuesta correcta ya se conoce.
¿Cuál es una tarea típica no supervisada?+
El agrupamiento: juntar puntos de datos similares sin ninguna categoría predefinida.
¿Es uno mejor que el otro?+
Ninguno. La elección correcta depende de si tus datos están etiquetados y del problema que necesitas resolver.
También en