Definición de aprendizaje no supervisado

El aprendizaje supervisado ​​son un conjunto de técnicas que permiten inferir modelos para extraer conocimiento de conjuntos de datos donde a priori se desconoce.

Las técnicas de aprendizaje no supervisado se pueden aplicar sin necesidad de tener los datos etiquetados para el entrenamiento.

Como solo conocemos datos de entrada, pero no existen datos de salida que correspondan con las entradas, sólo se puede describir la estructura de los datos y con ello intentar encontrar algún tipo de organización que simplifique el análisis, por lo que tiene carácter exploratorio.

Funcionamiento

Para comprender el funcionamiento del aprendizaje no supervisado se acudirá a un ejemplo donde tenemos un conjunto de datos sin etiquetar. A este conjunto de datos le extraemos sus características en vectores y con esto entrenamos el algoritmo de aprendizaje automático con el fin de que busque patrones entre los datos. El algoritmo nos genera un modelo el que podemos proporcionarle nuevos conjuntos de datos que nos clusterice los nuevos elementos que nunca ha visto con lo que ha aprendido en la fase de entrenamiento.

aprendizaje no supervisado

Clasificación

clasificación de aprendizaje no supervisado

Clustering

El clustering como método de aprendizaque no supervisado tiene como objetivo clasificar en grupos atendiendo a las variables de los datos

Un ejemplo de este método es buscar grupos de clientes con hábitos de compra similares.

clustering

Reducción de dimensionalidad

La redución de dimensionalidad como método de aprendizaque no supervisado tiene como objetivo reducir el número de variables a tener en cuenta en el análisis.

Un ejemplo de este método es representar en una sola dimensión las medidas de un papel

reducción de dimensionalidad