Índice

Machine learning: prácticas corrientes

1. Recorrido teórico acelerado

Ahora estamos familiarizados con una serie de conceptos y notaciones que hemos abordado a través de experiencias y descubrimientos empíricos sucesivos. Vamos a redefinir parte de esta información en un marco teórico simplificado para ofrecerle una visión rápida y general de la distribución del campo teórico común a los especialistas en machine learning. Adoptaremos a menudo el punto de vista del aprendizaje supervisado (con una pequeña tendencia a favorecer el aspecto de la regresión del aprendizaje supervisado, pues es más didáctico).

Preste atención: como en las demás partes del libro, la notación matemática se esboza, pero no se describe formalmente como haría un matemático; por ejemplo, las cuantificaciones matemáticas y las definiciones precisas de los espacios a los que pertenecen ciertas variables, ciertas funciones y sus dominios de definición o imágenes no se explicitan formalmente (para evitar, por ejemplo, definir notaciones del tipo espacio de Hilbert, o propias de la teoría de la medida…). Para obtener definiciones «rigurosas», diríjase a los sitios web que citamos en la introducción del libro.

a. Linealidad

Los modelos lineales implementan una señal que puede expresarse bajo la forma: wTx + b (encontramos también esta formulación en el caso de un componente básico ...