Aprendizaje no supervisado

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…

Read More »

Aprendizaje supervisado

Definición de aprendizaje supervisado El aprendizaje supervisado ​​son un conjunto de técnicas que permite realizar predicciones futuras basadas en comportamientos o características analizadas en datos históricos etiquetados. Una etiqueta no es más que la salida que ha mostrado el conjunto de datos para datos históricos, ya conocidos. La predicción obtenida es representada por medio de…

Read More »

Pandas. Analisis y Modelado

Introducción a Pandas Pandas es un API para el análisis de datos orientados en columnas. Es perfecto para analizar y manipular datos y muchos frameworks de ML soportan estructuras de datos pandas como entradas. En este post vamos a mencionar conceptos basicos y contretos, ya que una buena introduccion al Panda API ocuparía varias pagina….

Read More »

Redes Neuronales Recurrentes. Predicción de una serie temporal

Introducción En este post vamos a continuar estudiando el modelado de las series temporales como hicimos en el post Análisis de series temporales en R. ARIMA. En este post veremos un ejemplo en R de los modelos de Redes Neuronales Recurrentes de Elman y de Jordan. MODELO ELMAN En las redes de Elman, las entradas…

Read More »

Función de coste – Redes neuronales

Definición de función de coste La función de coste trata de determinar el error entre el valor estimado y el valor real, con el fin de optimizar los parámetros de la red neuronal.   Estimadores de error de la función de coste Raíz cuadrada media – RMSE La raíz cuadrada media, es una medida de…

Read More »

Red Neuronal Recurrente – RNN

Definición de Red Neuronal Recurrente Una red neuronal recurrente no tiene una estructura de capas definida, sino que permiten conexiones arbitrarias entre las neuronas, incluso pudiendo crear ciclos, con esto se consigue crear la temporalidad, permitiendo que la red tenga memoria. Las redes neuronales recurrentes son muy potentes para todo lo que tiene que ver…

Read More »

Análisis de series temporales en R. ARIMA

Introducción Como se ha comentado en otros artículos de esta web, Análisis de series temporales en r, las series temporales son datos expresados como una secuencia de puntos, sobre un periodo de tiempo. Realizar un análisis de datos de series temporales permite encontrar modelos o tendencias para predecir valores futuros que ayuden, a la hora…

Read More »

Cluster Jerárquicos: Métricas

Listado de metricas Determinan la manera de calcular la distancia entre pares de observaciones, las más conocidas son: Distancia euclidiana. Distancia euclidiana al cuadrado. Distancia Manhattan. Distancia máxima. Distancia Mahalanobis. Similitud coseno. Distancia de Hamming. Distancia de Levenshtein.

Read More »

Cluster Jerárquicos: Estrategia aglomerativa vs divisiva

Los métodos jerárquicos tratan de crear grupos de elementos homogéneos entre sí y heterogéneos entre grupos, para conseguirlo principalmente se puede hacer mediante estrategia aglomerativa o divisiva. Estrategia Aglomerativa Las estrategias aglomerativas parten de un conjunto de elementos individuales y van juntando los elementos que más se parezcan hasta quedarse con un número de clusters…

Read More »

Cluster Jerárquicos: Criterios de enlace

Los criterios de enlace especifican la disimilitud de conjuntos como una función de las distancias dos a dos entre observaciones de los conjuntos, las más utilizadas se detallan a continuación: Agrupamiento de máximo o enlace completo Calcula todas las diferencias de pares entre los elementos del clúster 1 y los elementos del clúster 2, y…

Read More »