Algoritmos Clasicos de Machine Learning

Antes del Deep Learning, ya existian algoritmos (es decir, "recetas matematicas") que resolvian problemas muy utiles. Muchos de ellos siguen siendo la mejor opcion hoy en dia porque son rapidos, simples y funcionan genial.

Arboles de Decision

Funcionan exactamente como cuando decidis que poneros por la manana: os haceis preguntas una detras de otra hasta llegar a una respuesta. ¿Hace frio? Si -> ¿Llueve? Si -> Abrigo y paraguas. Cada pregunta divide las opciones en dos grupos.

     ¿Hace frio?
       /       \
     Si         No
      |           |
  ¿Llueve?      Camiseta
   /     \
 Si      No
  |       |
Abrigo  Jersey
+paraguas

Cuando se usa: Decisiones con reglas claras: diagnosticos medicos, filtros de contenido, decidir si aprobar un prestamo...

Regresion Lineal

Busca la relacion entre dos cosas para poder predecir una a partir de la otra. Por ejemplo: si estudiais mas horas, ¿cuanto sube vuestra nota? La regresion lineal dibuja la linea recta que mejor conecta esas dos cosas.

  Nota │          /_*
  exam │        *_/
   9   │      /_*
   7   │    *_/
   5   │  /_*
   3   │_/*
       └──────────
        1  3  5  7  9
       Horas de estudio

Cuando se usa: Predecir numeros: nota de un examen segun horas de estudio, precio de una casa segun metros cuadrados, temperatura de manana...

Regresion Logistica

Responde preguntas de Si o No con un porcentaje de probabilidad. Por ejemplo: segun las horas que habeis estudiado, ¿cual es la probabilidad de que aprobeis? Si estudiais 0 horas, la probabilidad es casi 0%. Si estudiais 10, es casi 100%. En medio, dibuja una curva en forma de S.

  Prob  │         ***** 1
 aprobar│       *
        │      *
        │    *
        │   *
  0 ****│*
        └──────────
         Horas estudiadas
     Curva en forma de S

Cuando se usa: Clasificar en dos grupos: aprueba/suspende, spam/no spam, enfermo/sano, cliente compra/no compra...

Idea clave

Los algoritmos clasicos de Machine Learning (arboles de decision, regresion lineal y regresion logistica) son herramientas sencillas pero muy potentes. Los arboles toman decisiones paso a paso, la regresion lineal predice numeros y la regresion logistica predice probabilidades de si/no. No siempre necesitais Deep Learning para resolver un problema.