1 introducción aprendizajeautomático
Descargar como PPT, PDF0 recomendaciones306 vistas
El documento introduce el aprendizaje automático y la inducción. Explica que la inducción implica generalizar una función desconocida a partir de ejemplos específicos, y que existen múltiples soluciones posibles. Recomienda seguir el principio de Ockham de preferir la hipótesis más simple que sea consistente con los datos.
1 introducción aprendizajeautomático
- 1. Introducción a Aprendizaje Automático © Dr. Leonardo Garrido Departamento de Ciencias Computacionales Tecnológico de Monterrey E-mail: leonardo.garrido@itesm.mx Web page: http://homepages.mty.itesm.mx/lgarrido
- 2. Aprender? Qué es aprender? Cómo aprender? Qué aprender? © Dr. Leonardo Garrido Aprendizaje Automático
- 3. Para qué aprender? Para descubrir conocimiento útil para la toma de decisiones! Es útil como un método para la construcción de sistemas (en lugar de programarlo todo a priori). Modifica los mecanismos de toma de decisiones para incrementar el rendimiento del agente. Es esencial cuando tratamos con ambientes desconocidos (o cuando el diseñador no conoce todos los posibles escenarios). © Dr. Leonardo Garrido Aprendizaje Automático
- 4. Qué es inducción? Primero, cuál es el proceso de deducción? Entonces, cuál será el proceso de inducción? Cuáles son algunos ejemplos de inducción? © Dr. Leonardo Garrido Aprendizaje Inductivo
- 5. Aprendizaje inductivo Primero, se reciben valores correctos de una función desconocida para entradas particulares. Entonces, se trata de descubrir la función desconocida … o al menos algo cercana a ella! © Dr. Leonardo Garrido Aprendizaje Inductivo
- 6. Aprendizaje inductivo Un ejemplo es un par (x, f(x)) donde x es la entrada y f(x) es la salida de la función. Entonces dada una colección de ejemplos de f, el algoritmo debe regresar una función h que aproxime a f. La función h es llamada hipótesis. Una buena hipótesis debe generalizar bien (predecir bien ejemplos no vistos aún) © Dr. Leonardo Garrido Aprendizaje Inductivo
- 7. El ejemplo clásico … f(x) x © Dr. Leonardo Garrido Aprendizaje Inductivo
- 8. Pero y si el problema es así? … © Dr. Leonardo Garrido Aprendizaje Inductivo
- 9. Una posible solución … © Dr. Leonardo Garrido Aprendizaje Inductivo
- 10. Otra posible solución … © Dr. Leonardo Garrido Aprendizaje Inductivo
- 11. Aún otra posible solución … © Dr. Leonardo Garrido Aprendizaje Inductivo
- 12. Es más, hay muchas soluciones! © Dr. Leonardo Garrido Aprendizaje Inductivo
- 13. Ockham´s Razor Maximizar la combinación de consistencia y simplicidad! © Dr. Leonardo Garrido Aprendizaje Inductivo
- 14. Ockham´s Razor: más simple! Preferir la hipótesis más simple que sea consistente con los datos © Dr. Leonardo Garrido Aprendizaje Inductivo
- 15. Aristóteles La naturaleza opera en el camino más corto posible © Dr. Leonardo Garrido Aprendizaje Inductivo
- 16. Isaac Newton Tenemos que admitir que las causas de los fenómenos naturales no son más que aquellas que son tanto verdaderas como suficientes para explicarlas © Dr. Leonardo Garrido Aprendizaje Inductivo
- 17. Albert Einstein Las teorías deben ser tan simples como sean posibles, pero no más simples! © Dr. Leonardo Garrido Aprendizaje Inductivo
- 18. Conclusiones Deducción e Inducción son procesos diferentes. La deducción está relacionado con el razonamiento. La inducción tiene más relación con la generalización y el aprendizaje. El proceso de inducción es la búsqueda de la hipótesis que generalice mejor a partir de los ejemplos dados. Para decidir cuál es la mejor hipótesis muchas veces el criterio del “Razor de Ocham” es la mejor alternativa. © Dr. Leonardo Garrido Aprendizaje Automático