Aprendizaje supervisado en R: Clasificación

Como el algoritmo kNN literalmente "aprende con el ejemplo", es un buen ejemplo para empezar a entender el aprendizaje automático supervisado. En este capítulo se introduce la clasificación, mientras se trabaja en la aplicación de kNN al reconocimiento de señales de tráfico de vehículos autoconducidos.

Naive Bayes utiliza principios del campo de la estadística para hacer predicciones. En este capítulo se presentarán los fundamentos de los métodos bayesianos y se explorará cómo aplicar estas técnicas a las sugerencias de destinos tipo iPhone.

La regresión logística consiste en ajustar una curva a datos numéricos para hacer predicciones sobre sucesos binarios. Podría decirse que es uno de los métodos de aprendizaje automático más utilizados. En este capítulo se ofrece una visión general de la técnica, a la vez que se ilustra cómo aplicarla a los datos de recaudación de fondos.

Los árboles de clasificación utilizan estructuras similares a diagramas de flujo para tomar decisiones. Como los humanos pueden entender fácilmente estas estructuras de árbol, los árboles de clasificación son útiles cuando se necesita transparencia, como en la aprobación de préstamos. Utilizaremos el conjunto de datos de Lending Club para simular este escenario.