El modelo mental del aprendizaje automático
El aprendizaje automático suena místico, pero la idea central es sencilla: en lugar de escribir tú las reglas, le enseñas a un programa muchos ejemplos y dejas que encuentre las reglas. Casi todo en este módulo se apoya en tres ideas.
Rasgos y etiquetas
Un ejemplo se divide en dos partes. Los rasgos (features) son lo que sabes de entrada (el tamaño de una casa, el número de dormitorios). La etiqueta (label) es lo que quieres predecir (su precio). Por una larga tradición, los rasgos se llaman X (una tabla, en mayúscula) y la etiqueta se llama y (una sola columna, en minúscula).
X (features) y (label)
size_sqft bedrooms price_k
650 1 220
800 2 265
1200 3 410Supervisado y no supervisado
- El aprendizaje supervisado tiene etiquetas. Conoces la respuesta correcta de cada ejemplo de entrenamiento, así que el modelo aprende a pasar de
Xay. Predecir un precio, o clasificar correos en spam y no spam, son problemas supervisados. - El aprendizaje no supervisado no tiene etiquetas. Solo tienes
Xy le pides al modelo que encuentre estructura, como agrupar clientes parecidos. Todo este módulo es supervisado.
El patrón fit / predict
Todos los modelos de scikit-learn hablan con los mismos dos verbos. Verás esta forma una y otra vez:
model = SomeModel()
model.fit(X, y) # learn from examples
model.predict(X_new) # guess labels for new rowsEse es todo el ritual. La parte difícil nunca es la API: es elegir buenos rasgos y medir con honestidad lo bien que funciona el modelo, que es de lo que trata el resto de este módulo.
En este ejercicio todavía no vas a entrenar nada. Solo vas a dar el primer paso, poco glamuroso pero esencial: tomar una tabla pequeña y separarla en X e y.
Tienes un pequeño DataFrame de viviendas df con las columnas size_sqft, bedrooms y price_k. Asigna feature_cols = ["size_sqft", "bedrooms"], construye X = df[feature_cols] (solo las dos columnas de entrada) e y = df["price_k"] (la etiqueta). Luego asigna a n_features el número de columnas de rasgos y a n_samples el número de filas.
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.