Aprendizaje no supervisado

Carta Poco común · N.º 168560

El aprendizaje no supervisado es un método de aprendizaje automático (AA) donde un modelo se ajusta a las observaciones.​​ Se distingue del aprendizaje supervisado por el hecho de que no hay un conocimiento a priori. En el aprendizaje no supervisado, un conjunto de datos de objetos de entrada es tratado. Así, el aprendizaje no supervisado típicamente trata los objetos de entrada como un conjunto de variables aleatorias, siendo construido un modelo de densidad para el conjunto de datos. El aprendizaje no supervisado se puede usar en conjunto con la inferencia bayesiana para producir probabilidades condicionales, es decir, aprendizaje supervisado, para cualquiera de las variables aleatorias dadas. El santo grial del aprendizaje no supervisado es la creación de un código factorial de los datos, esto es, un código con componentes estadísticamente independientes. El aprendizaje supervisado normalmente funciona mucho mejor cuando los datos iniciales son primero traducidos en un código factorial…

Leer en Wikipedia · Imagen Chervinskii, CC BY-SA 4.0