Introducción
Las salidas de los modelos de clasificación son categóricas, lo que significa que se pueden usar para etiquetar entradas o tomar decisiones. Por ejemplo, un automóvil sin conductor usa la clasificación para decidir si girar a la izquierda o a la derecha en una bifurcación de la carretera. Un modelo de clasificación difiere de los modelos de regresión clásica en que las salidas son continuas, como el tamaño de un zapato o la velocidad de un tren. Los modelos de clasificación son diversos en su forma de funcionar. Para empezar, nos centraremos en la regresión logística, que es un tipo de modelo más sencillo y popular que se usa ampliamente en muchos sectores de la ciencia y de la industria.
Escenario: Predicción de aludes con aprendizaje automático
En este módulo, usaremos el siguiente escenario de ejemplo para explicar los conceptos relacionados con la clasificación. Este escenario está diseñado para proporcionarle un ejemplo de cómo podría abordar estos conceptos en su programación.
Su organización benéfica es responsable de las operaciones de rescate en aludes en y rutas de montaña en el noroeste de EE. UU. Sin duda, la opción más segura sería cerrar permanentemente todas los pistas durante la temporada de esquí y senderismo, pero eso impediría a los deportistas disfrutar de estas actividades al aire libre. Su objetivo es crear un modelo que pueda predecir la probabilidad de que un día se produzca una avalancha. Después, con ayuda de esa predicción, puede cerrar la pista cuando el riesgo sea alto. Tenga en cuenta que hacer predicciones sobre aludes que no lleguen a producirse puede perjudicar el turismo local. En cambio, si no se predicen avalanchas que sí ocurren, puede haber pérdidas humanas. Claramente, se debe encontrar un equilibrio.
Precaución
Los datos de estos ejercicios son inventados y únicamente tienen fines educativos. Para esquiadores y excursionistas impacientes: El aprendizaje automático se puede usar para predecir avalanchas, pero no use estos datos ni su modelo entrenado para otra cosa que no sea aprender sobre el aprendizaje automático.
Requisitos previos
- Familiaridad con los modelos de Machine Learning
Objetivos de aprendizaje
En este módulo, aprenderá a:
- Descubra en qué se diferencia la clasificación de la regresión clásica
- Modelos de compilación que pueden realizar tareas de clasificación
- Explorar cómo evaluar y mejorar los modelos de clasificación