Lección 1 del curso Bosques Aleatorios.
En este primer módulo del curso veremos una introducción general a los Bosques Aleatorios. Y específicamente en esta primera lección veremos uno de los conceptos claves para entender cómo funcionan los Bosques Aleatorios: el aprendizaje por ensamble.
Así que comenzaremos viendo un ejemplo muy sencillo que nos permitirá entender de forma intuitiva qué es el aprendizaje por ensamble y luego veremos una definición detallada de lo que es este tipo de aprendizaje:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Así que la idea básica del aprendizaje por ensamble es muy sencilla: debemos construir múltiples modelos «débiles» (es decir que no generan muy buenas predicciones) y luego combinarlos (es decir «ensamblarlos») en un modelo que genere una predicción agregada a partir de las predicciones individuales.
Y el efecto que se logra con esto es que a pesar de que los modelos individuales no tienen un buen desempeño, el modelo ensamblado logra incrementar dicho desempeño de manera significativa.
Y este es precisamente uno de los principios detrás de los Bosques Aleatorios (así como de muchos otros modelos de ensamble que veremos en próximos cursos). El segundo concepto clave en los Bosques Aleatorios es el «bagging», del cual hablaremos en detalle en la próxima lección.
Todas las lecciones del curso Bosques Aleatorios