Modelos de Aprendizaje Automático de Ciencia de Datos

Introducción

Los modelos de aprendizaje automático (ML) son una forma de resolver problemas que involucran la toma de decisiones basadas en datos. Estos modelos se caracterizan por utilizar algoritmos que son capaces de aprender a partir de los datos y mejorar su rendimiento en función de la experiencia. Los modelos de ML se utilizan ampliamente en el campo de la ciencia de datos para predecir resultados, descubrir patrones y realizar recomendaciones. En esta clase, exploraremos los principales modelos de ML y sus aplicaciones en la ciencia de datos.

Regresión Lineal

La regresión lineal es una forma de modelado de datos en la que se trata de encontrar la mejor línea recta para describir la relación entre dos variables. Se puede usar para predecir el valor de una variable a partir de los valores de otra variable. Por ejemplo, podríamos usar la regresión lineal para predecir el precio de una casa a partir del tamaño de la casa.

La regresión lineal se puede modelar matemáticamente como una ecuación de la forma:

Donde es la variable de respuesta, es el intercepto, es el coeficiente de la primera variable explicativa , es el coeficiente de la segunda variable explicativa , y así sucesivamente.

El objetivo de la regresión lineal es encontrar los coeficientes que mejor ajustan los datos. Esto se logra minimizando la suma de los cuadrados de los errores (SSE). Esto se puede hacer usando el algoritmo de optimización de descenso por gradiente (gradient descent).

A continuación se muestra un ejemplo de cómo implementar la regresión lineal con Python. Primero importamos las librerías necesarias:

«`python
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
«`

Generamos los datos de ejemplo:

«`python
x = np.array([0, 1, 2, 3, 4, 5])
y = np.array([0, 0.8, 0.9, 0.1, -0.8, -1])
«`

Creamos el modelo de regresión lineal:

«`python
model = LinearRegression()
model.fit(x.reshape(-1, 1), y.reshape(-1, 1))
«`

Graficamos los datos y la línea de regresión:

«`python
plt.scatter(x, y)
plt.plot(x, model.predict(x.reshape(-1, 1)), color=’r’)
plt.show()
«`

Árboles de Decisión

Los árboles de decisión son una técnica de modelado predictivo en la que se construye un árbol para predecir el resultado de una variable a partir de los valores de otras variables. Esta técnica se puede usar para tomar decisiones en situaciones donde hay muchas variables en juego. Por ejemplo, un árbol de decisión podría ser usado para predecir si un paciente tiene cáncer a partir de los resultados de una variedad de pruebas médicas.

Los árboles de decisión se construyen a partir de nodos de decisión y hojas. Los nodos de decisión indican qué pregunta se debe hacer para tomar una decisión. Las hojas indican el resultado de la decisión. Por ejemplo, en un árbol de decisión para predecir el cáncer de un paciente, un nodo de decisión podría ser si el paciente tiene una masa en el pecho, mientras que las hojas podrían indicar si el paciente tiene cáncer o no.

A continuación se muestra un ejemplo de cómo implementar un árbol de decisión con Python. Primero importamos las librerías necesarias:

«`python
import numpy as np
from sklearn.tree import DecisionTreeClassifier
«`

Generamos los datos de ejemplo:

«`python
X = np.array([[0, 0], [1, 0], [0, 1], [1, 1]])
y = np.array([0, 1, 1, 0])
«`

Creamos el árbol de decisión:

«`python
model = DecisionTreeClassifier()
model.fit(X, y)
«`

Predecimos un resultado dado un conjunto de datos:

«`python
model.predict([[0, 0]]) # predict 0
model.predict([[1, 1]]) # predict 0
«`

Máquinas de Soporte Vectorial

Las máquinas de soporte vectorial (SVMs) son una técnica de aprendizaje supervisado para clasificación y regresión. Esta técnica se basa en encontrar una frontera de decisión óptima entre los datos de entrenamiento. Esta frontera de decisión se encuentra buscando los puntos de los datos que están más cerca de los dos lados de la frontera. Estos puntos se conocen como vectores de soporte.

Las SVMs se pueden modelar matemáticamente como un problema de optimización de la forma:

Donde son los coeficientes, es un parámetro de regularización, y son los errores de clasificación. El objetivo del problema de optimización es minimizar los errores de clasificación sin aumentar demasiado los coeficientes.

A continuación se muestra un ejemplo de cómo implementar una SVM con Python. Primero importamos las librerías necesarias:

«`python
import numpy as np
from sklearn.svm import SVC
«`

Generamos los datos de ejemplo:

«`python
X = np.array([[0, 0], [1, 0], [0, 1], [1, 1]])
y = np.array([0, 1, 1, 0])
«`

Creamos la SVM:

«`python
model = SVC()
model.fit(X, y)
«`

Predecimos un resultado dado un conjunto de datos:

«`python
model.predict([[0, 0]]) # predict 0
model.predict([[1, 1]]) # predict 0
«`

Conclusiones

En esta clase hemos visto los principales modelos de aprendizaje automático de ciencia de datos. Hemos examinado la regresión lineal, los árboles de decisión y las máquinas de soporte vectorial, y hemos visto cómo se pueden implementar estos modelos con Python. Los modelos de ML son herramientas poderosas para la toma de decisiones basadas en datos. Esperamos que esta clase haya ayudado a aclarar los conceptos básicos de ML.

Referencias

Díaz-Uriarte, R. (2018). Fundamentos de aprendizaje automático con R. O’Reilly.

James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). Aprendizaje automático. Inglés. Pearson Education.