Un algoritmo de aprendizaje automático es el método mediante el cual el sistema de inteligencia artificial realiza su tarea, generalmente prediciendo valores de salida a partir de datos de entrada dados. Los dos procesos principales de los algoritmos de aprendizaje automático son la clasificación y la regresión.
Los algoritmos de aprendizaje automático (ML) se clasifican en términos generales como supervisados o no supervisados. Los algoritmos de aprendizaje supervisados tienen tanto los datos de entrada como los datos de salida deseados que se les proporcionan a través del etiquetado, mientras que los algoritmos no supervisados funcionan con datos que no están clasificados ni etiquetados. Un algoritmo no supervisado podría, por ejemplo, agrupar datos sin clasificar según similitudes y diferencias.
Sin embargo, muchos enfoques de aprendizaje automático, incluido el aprendizaje por transferencia y el aprendizaje activo, involucran lo que se describe con mayor precisión como algoritmos semi-supervisados. El aprendizaje transferido utiliza el conocimiento obtenido al completar una tarea para ayudar a resolver un problema diferente pero relacionado, mientras que el aprendizaje activo permite que un algoritmo consulte al usuario o alguna otra fuente para obtener más información. Ambos sistemas se utilizan comúnmente en situaciones en las que los datos etiquetados son escasos.
El aprendizaje por refuerzo, a veces considerado una cuarta categoría, se basa en recompensar los comportamientos deseados y / o castigar los no deseados para dirigir el aprendizaje automático no supervisado a través de recompensas y sanciones.
Vea un tutorial sobre algoritmos de aprendizaje automático: