Aprendizaje supervisado

Las tareas del aprendizaje supervisado están bien definidas y se pueden aplicar a una gran variedad de situaciones, como la identificación de spam o la predicción de precipitaciones.

Conceptos básicos de aprendizaje supervisado

El aprendizaje automático supervisado se basa en los siguientes conceptos principales:

  • Datos
  • Modelo
  • Capacitación
  • Evaluación
  • Inferencia

Datos

Los datos son la fuerza impulsora del AA. Los datos se presentan en forma de palabras y números almacenados en tablas o como valores de píxeles y formas de onda capturados en imágenes y archivos de audio. Almacenamos datos relacionados en conjuntos de datos. Por ejemplo, podríamos tener un conjunto de datos de lo siguiente:

  • Imágenes de gatos
  • Precios de vivienda
  • Información del clima

Los conjuntos de datos se componen de ejemplos individuales que contienen atributos y una etiqueta. Un ejemplo se podría considerar análogo a una sola fila en una hoja de cálculo. Los atributos son los valores que usa un modelo supervisado para predecir la etiqueta. La etiqueta es la “respuesta” o el valor que queremos que el modelo prediga. En un modelo meteorológico en el que se predice la lluvia, los atributos pueden ser latitud, longitud, temperatura, humedad, cobertura de nubes, dirección del viento y presión atmosférica. La etiqueta sería cantidad de lluvia.

Los ejemplos que contienen tanto atributos como una etiqueta se denominan ejemplos etiquetados.

Dos ejemplos etiquetados

Imagen de marcador de posición.

En cambio, los ejemplos sin etiqueta contienen atributos, pero no etiquetas. Cuando se crea un modelo, este predice la etiqueta a partir de los atributos.

Dos ejemplos sin etiqueta

Imagen de marcador de posición.

Características del conjunto de datos

Un conjunto de datos se caracteriza por su tamaño y diversidad. El tamaño indica la cantidad de ejemplos. La diversidad indica el rango que abarcan esos ejemplos. Los buenos conjuntos de datos son grandes y muy diversos.

Algunos conjuntos de datos son grandes y diversos a la vez. Sin embargo, algunos conjuntos de datos son grandes, pero tienen una baja diversidad, y otros son pequeños pero muy diversos. En otras palabras, un conjunto de datos grande no garantiza una diversidad suficiente, y un conjunto de datos muy diverso no garantiza suficientes ejemplos.

Por ejemplo, un conjunto de datos puede contener 100 años de datos, pero solo para el mes de julio. El uso de este conjunto de datos para predecir las lluvias en enero producirá predicciones deficientes. Por el contrario, un conjunto de datos puede cubrir solo algunos años, pero contener todos los meses. Este conjunto de datos podría producir predicciones deficientes porque no contiene suficientes años para considerar la variabilidad.

Comprueba tu comprensión

¿Qué atributos de un conjunto de datos serían ideales para usar en el AA?
Tamaño grande / alta diversidad
Una gran cantidad de ejemplos que abarcan varios casos prácticos es esencial para que un sistema de aprendizaje automático comprenda los patrones subyacentes en los datos. Un modelo entrenado con este tipo de conjunto de datos tiene más probabilidades de realizar predicciones correctas con datos nuevos.
Tamaño grande / baja diversidad
Los modelos de aprendizaje automático son tan buenos como los ejemplos usados para entrenarlos. Un modelo producirá predicciones menos deficientes con datos nuevos con los que nunca se entrenó.
Tamaño pequeño / alta diversidad
La mayoría de los modelos no pueden encontrar patrones confiables en un conjunto de datos pequeño. Las predicciones no tendrán la confianza que proporciona un conjunto de datos más grande.
Tamaño pequeño / baja diversidad
Si tu conjunto de datos es pequeño y no tiene mucha variación, es posible que no te beneficies del aprendizaje automático.

Un conjunto de datos también puede caracterizarse por la cantidad de sus atributos. Por ejemplo, algunos conjuntos de datos meteorológicos pueden contener cientos de características, que van desde imágenes satelitales hasta valores de cobertura de nubes. Otros conjuntos de datos pueden contener solo tres o cuatro características, como la humedad, la presión atmosférica y la temperatura. Los conjuntos de datos con más atributos pueden ayudar a un modelo a descubrir patrones adicionales y realizar mejores predicciones. Sin embargo, los conjuntos de datos con más atributos no siempre producen modelos que realizan mejores predicciones, ya que algunos atributos pueden no tener una relación causal con la etiqueta.

Modelo

En el aprendizaje supervisado, un modelo es un conjunto complejo de números que definen la relación matemática entre patrones de atributos de entrada específicos y valores de etiquetas de salida específicos. El modelo descubre estos patrones mediante el entrenamiento.

Capacitación

Antes de que un modelo supervisado pueda hacer predicciones, debe entrenarse. Para entrenar un modelo, le damos un conjunto de datos con ejemplos etiquetados. El objetivo del modelo es determinar la mejor solución para predecir las etiquetas a partir de los atributos. El modelo encuentra la mejor solución mediante la comparación del valor predicho con el valor real de la etiqueta. En función de la diferencia entre los valores predichos y reales, definidos como la pérdida, el modelo actualiza su solución de forma gradual. En otras palabras, el modelo aprende la relación matemática entre los atributos y la etiqueta para poder realizar las mejores predicciones con datos no vistos.

Por ejemplo, si el modelo predijo 1.15 inches de lluvia, pero el valor real era .75 inches, el modelo modifica su solución para que su predicción se acerque a .75 inches. Después de que el modelo haya mirado cada ejemplo del conjunto de datos (en algunos casos, varias veces), llega a una solución que, en promedio, hace las mejores predicciones para cada uno de los ejemplos.

A continuación, se muestra el entrenamiento de un modelo:

  1. El modelo toma un solo ejemplo etiquetado y proporciona una predicción.

    Es una imagen de un modelo que hace una predicción.

    Figura 1: Un modelo de AA que realiza una predicción a partir de un ejemplo etiquetado.

     

  2. El modelo compara el valor predicho con el real y actualiza la solución.

    Imagen de un modelo que compara su predicción con el valor real.

    Figura 2. Un modelo de AA que actualiza su valor predicho

     

  3. El modelo repite este proceso para cada ejemplo etiquetado en el conjunto de datos.

    Una imagen de un modelo que repite el proceso de su predicción en comparación con el valor real.

    Figura 3. Un modelo de AA que actualiza sus predicciones para cada ejemplo etiquetado en el conjunto de datos de entrenamiento.

     

De esta manera, el modelo aprende gradualmente la relación correcta entre los atributos y la etiqueta. Esta comprensión gradual también es el motivo por el que los conjuntos de datos grandes y diversos producen un mejor modelo. El modelo vio más datos con un rango de valores más amplio y definió mejor su comprensión de la relación entre los atributos y la etiqueta.

Durante el entrenamiento, los profesionales del AA pueden hacer ajustes sutiles en la configuración y los atributos que usa el modelo para hacer predicciones. Por ejemplo, determinados atributos tienen más poder predictivo que otros. Por lo tanto, los profesionales del AA pueden seleccionar qué atributos usa el modelo durante el entrenamiento. Por ejemplo, supongamos que un conjunto de datos meteorológicos contiene time_of_day como atributo. En este caso, un profesional del AA puede agregar o quitar time_of_day durante el entrenamiento para ver si el modelo realiza mejores predicciones con o sin él.

Evaluación

Evaluamos un modelo entrenado para determinar qué tan bien aprendió. Cuando evaluamos un modelo, usamos un conjunto de datos etiquetado, pero solo le asignamos los atributos del conjunto de datos. Luego, comparamos las predicciones del modelo con los valores verdaderos de la etiqueta.

Una imagen en la que se muestra un modelo entrenado que obtiene sus predicciones en comparación con valores reales.

Figura 4. Evaluar un modelo de AA mediante la comparación de sus predicciones con los valores reales.

 

Según las predicciones del modelo, es posible que realicemos más entrenamiento y evaluación antes de implementarlo en una aplicación real.

Comprueba tu comprensión

¿Por qué se debe entrenar un modelo antes de que pueda hacer predicciones?
Se debe entrenar un modelo para que aprenda la relación matemática entre los atributos y la etiqueta de un conjunto de datos.
No es necesario entrenar un modelo. Los modelos están disponibles en la mayoría de las computadoras.
Se debe entrenar el modelo para que no se necesiten datos para hacer una predicción.

Inferencia

Una vez que estamos satisfechos con los resultados de la evaluación del modelo, podemos usarlo para hacer predicciones, llamadas inferencias, en ejemplos sin etiqueta. En el ejemplo de la app meteorológica, le daríamos al modelo las condiciones climáticas actuales, como la temperatura, la presión atmosférica y la humedad relativa, y predeciría la cantidad de lluvia.