Inicio
Introducción
En este post voy a compartir una breve introducción a los modelos de aprendizaje automático supervisados y una Jupyter Notebook con un trabajo hecho en Python con la librería Sckit-Learn sobre un problema de negocio utilizando distintos tipos de algoritmos de Aprendizaje Supervisado.
Problema de Negocio
- Dada una muestra de hongos y sus características se busca, en base a su variable target: [Venenoso o No Venenoso], entrenar un modelo que nos ayude a predecir si efectivamente el hongo es o no venenoso.
Se van a utilizar los siguientes modelos:
- [CART, Naive Bayes, Logistic Regression and Knn].
En cada uno de ellos se ajustaron los hyperparametros a los efectos de lograr las mejores métricas para el caso de estudio, es decir, dado el problema de negocio:
- Encontrar el modelo que haga mínimo los falsos negativos (Clasificar un hongo como venenoso cuando en realidad no lo es). ✅
Repaso
Recordemos los dos tipos de aprendizaje automático:
Aprendizaje supervisado: En el aprendizaje supervisado, contamos con datos etiquetados que incluyen tanto las características de entrada (input) como la variable objetivo (output) asociada. El objetivo es entrenar un modelo que pueda aprender a mapear las entradas a las salidas correspondientes. Los algoritmos de aprendizaje supervisado se utilizan para problemas de predicción y clasificación, donde queremos predecir un valor objetivo o asignar una clase a nuevos ejemplos basándonos en los ejemplos de entrenamiento.
Aprendizaje no supervisado: Se utiliza cuando no tenemos datos etiquetados o una variable objetivo específica. En este caso, el objetivo es encontrar patrones o estructuras ocultas en los datos sin ninguna guía explícita. Los algoritmos de aprendizaje no supervisado se utilizan para tareas como agrupamiento (clustering), detección de anomalías, reducción de dimensionalidad y visualización de datos.
Diferencias clave:
En el aprendizaje supervisado, necesitamos datos de entrada y salida etiquetada, mientras que en el aprendizaje no supervisado solo necesitamos datos de entrada.
En el aprendizaje supervisado, el modelo aprende a partir de ejemplos previamente etiquetados para predecir nuevos ejemplos, mientras que en el aprendizaje no supervisado, el modelo busca patrones o estructuras inherentes en los datos sin ninguna información de salida explícita.
El aprendizaje supervisado se utiliza comúnmente en problemas de clasificación y regresión, mientras que el aprendizaje no supervisado se utiliza para descubrir información oculta, agrupar datos o reducir la dimensionalidad.
Ambos enfoques tienen aplicaciones prácticas en una amplia gama de problemas y son fundamentales en el campo del aprendizaje automático. Es importante comprender las diferencias entre ellos para seleccionar el enfoque adecuado según los requisitos y características del problema que se esté abordando.
Aprendizaje supervisado
Los algoritmos de aprendizaje supervisado se dividen en dos grandes tipos:
- Regresiones y Clasificaciones
Clasificación
Con la clasificación, buscamos predecir una variable objetivo que es categórica en lugar de continua. Es decir, queremos asignar una etiqueta o clase a nuevos ejemplos basándonos en características o atributos relevantes. La clasificación tiene numerosas aplicaciones en diversos dominios y sectores. Algunos ejemplos típicos de problemas de clasificación son:
Algunos ejemplos típicos:
- Predicción de bajas de clientes a la suscripción de un servicio (modelos de churn): En este caso, se utiliza la clasificación para predecir si un cliente dejará de utilizar un servicio o cancelará su suscripción en el futuro. Esto permite a las empresas tomar medidas preventivas para retener a sus clientes. ✅
- Distinción de comentarios positivos y negativos en redes sociales: Los modelos de clasificación se utilizan para determinar si un comentario en redes sociales es positivo o negativo. Esto es útil para realizar análisis de sentimientos, opiniones de productos o servicios, y gestión de la reputación en línea. ✅
- Filtros de spam en servicios de correo electrónico: Los algoritmos de clasificación se utilizan para identificar correos electrónicos no deseados o spam y filtrarlos automáticamente, evitando que lleguen a la bandeja de entrada del usuario. ✅
- Diagnóstico de enfermedades: La clasificación se aplica en el campo de la medicina para diagnosticar enfermedades en función de síntomas, pruebas de laboratorio u otras características clínicas. Los modelos de clasificación pueden ayudar a los médicos a tomar decisiones más precisas y rápidas. ✅
- Detección de fraudes de tarjeta de crédito: Los algoritmos de clasificación se utilizan para identificar transacciones fraudulentas en tarjetas de crédito. Esto ayuda a los proveedores de servicios financieros a detectar actividades sospechosas y prevenir el fraude. ✅
Existen diferentes modelos y algoritmos que implementan soluciones a problemas de clasificación, como el árbol de decisión (CART), Naive Bayes, Regresión Logística, K-Nearest Neighbors (KNN), Support Vector Machines (SVM), entre otros. Cada modelo tiene sus propias características, fortalezas y debilidades, por lo que es importante explorar y evaluar diferentes opciones para encontrar el más adecuado según el problema y los datos disponibles.
Repositorio
En el siguiente enlace se encuentra en repositorio con el modelo en una Jupyter Notebook:
- Click aqui
Notebook
* En la siguiente notebook publicada en Rpubs comparto el modelo final escogido para el problema de negocio:
