Lección 7 del curso Introducción al Machine Learning.
En la lección anterior vimos los conceptos de algoritmos, modelos, parámetros e hiperparámetros así como el aprendizaje basado en instancias y en modelos.
En esta lección veremos un ejemplo práctico que nos permitirá terminar de entender estos conceptos, y además abordaremos el concepto de entrenamiento de un modelo de Machine Learning:
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.
Acabamos de ver que el entrenamiento consiste en usar una parte de nuestros datos (conocida como el set de entrenamiento) para lograr que el modelo aprenda los valores de los parámetros haciendo uso de un algoritmo (conocido como «algoritmo de entrenamiento»). Con esto resulta posible que el modelo aprenda a identificar los patrones en los datos.
Pero, ¿qué pasa si tenemos múltiples modelos candidatos para procesar nuestros datos? ¿cómo podemos saber cuál modelo es el mejor?
Para responder a esta pregunta tenemos que introducir dos nuevos sets de datos. Así que en la próxima lección hablaremos de los sets de entrenamiento, validación y prueba.
Todas las lecciones del curso Introducción al Machine Learning