8/18/2019 Aprendizaje Automático Para El Análisis de Datos
1/15
Aprendizaje Automático para el Análisis de Datos
GRADO EN ESTADÍSTICA Y EMPRESA
Ricardo Aler Mur
8/18/2019 Aprendizaje Automático Para El Análisis de Datos
2/15
R I C A R D O A L E R M U R
PRESENTACIÓNAPRENDIZAJE AUTOMÁTICO
GRADO EN ESTADÍSTICA Y EMPRESA
8/18/2019 Aprendizaje Automático Para El Análisis de Datos
3/15
SKYCAT: CLASIFICACIÓN DE OBJETOSDEL FIRMAMENTO
8/18/2019 Aprendizaje Automático Para El Análisis de Datos
4/15
TEMARIO
• 1. Introduccion al aprendizaje automático• 2. Tipología de tareas y algoritmos en aprendizaje automático. Metodología• 3. Conceptos básicos en clasificación. Clasificación lineal y no lineal• 4. Clasificación: reglas y árboles• 5. Selección de atributos• 6. Clasificadores basados en prototipos• 7. Clasificadores basados en prototipos. Aprendizaje de distancias• 9. Conjuntos de clasificadores: boosting, bagging, random forests, stacking,
mixtures of experts• 10. Computación evolutiva en aprendizaje automático: algoritmos genéticos /
programación genética• 11. Computación evolutiva en aprendizaje automático: PIPE (Probabilistic
Induction Program Evolution)• 12. Clasificación con coste. Curvas ROC
8/18/2019 Aprendizaje Automático Para El Análisis de Datos
5/15
Tipología de tareas y algoritmos en aprendizaje automático
• ¿Qué se puede hacer?
Clasificación Regresión
Clustering
Aprendizaje por refuerzo
8/18/2019 Aprendizaje Automático Para El Análisis de Datos
6/15
Tipología de tareas y algoritmos en aprendizajeautomático
Lineales
• ¿Qué modelos se pueden aprender?
No lineales
8/18/2019 Aprendizaje Automático Para El Análisis de Datos
7/15
Tipología de tareas y algoritmos en aprendizajeautomático
• ¿Qué modelos se pueden aprender?Funciones: y= 3*x3+2
Reglas
Árboles decisión Redes bayesianas
8/18/2019 Aprendizaje Automático Para El Análisis de Datos
8/15
Clasificación: reglas y árboles
8/18/2019 Aprendizaje Automático Para El Análisis de Datos
9/15
Selección de atributos
• Necesidad de la selecciónde atributos• Atributos irrelevantes (dni) o
redundantes …
• Los atributos irrelevantesdespistan a los algoritmos deaprendizaje:
• 1 solo atributo aleatorio puedebajar la capacidad predictiva5 o 10%
• Filters, Wrappers, PrincipalComponent Analysis (PCA),random projections, …
8/18/2019 Aprendizaje Automático Para El Análisis de Datos
10/15
Clasificadores basados en prototipos. Aprendizaje de distancias
Peso
Altura Niño
Adulto
Mayor
Peso
Altura
8/18/2019 Aprendizaje Automático Para El Análisis de Datos
11/15
Conjuntos de clasificadores: boosting, bagging, random forests,stacking, mixtures of experts
8/18/2019 Aprendizaje Automático Para El Análisis de Datos
12/15
Computación evolutiva en aprendizaje automático: algoritmosgenéticos / programación genética
PIPE (Probabilistic Incremental Program Evolution)
Crear estructuras mediante la teoría de la evolución
8/18/2019 Aprendizaje Automático Para El Análisis de Datos
13/15
8/18/2019 Aprendizaje Automático Para El Análisis de Datos
14/15
Bibliografía principal
• Data Mining: Practical Machine Learning Tools andTechniques, Third Edition (The Morgan Kaufmann Series in DataManagement Systems)
8/18/2019 Aprendizaje Automático Para El Análisis de Datos
15/15
PUNTUACIÓN
• 50% EXAMEN
• 50% PRÁCTICAS (varias).• Herramienta principal: Weka
•
http://www.cs.waikato.ac.nz/ml/weka/• Otras: MLDEMOS, Sharky Neural Networks, Eureqa
Top Related