Machine learning Archives

Cómo elegir y evaluar algoritmos de machine learning

Si ya estás familiarizado con los elementos básicos de machine learning, el siguiente paso es aprender a eligir y evaluar los distintos algoritmos que tenemos disponibles. Algunas de las preguntas más comunes al momento de usar algoritmos de aprendizaje computacional (machine learning) son:

¿Cómo elegir el mejor algoritmo y los mejores atributos (features) a utilizar?
¿Cómo evaluar el desempeño de dicho algoritmo?
¿Cómo entrenar al predictor que usaremos “en producción”?, es decir, con el cuál haremos predicciones reales.

Cada una de estas preguntas requiere un procedmiento diferente. Además, los detalles de cada procedimiento dependen, en gran medida, de la cantidad de datos etiquetados que tengamos a nuestro alcance.

How machine learning works. A non-technical explanation.

Key points

To use machine learning we require 4 basic components: Data, a model, a cost function (learning objective) and an optimization method (learning algorithm)
Learning algorithms learn parameters to solve an equation. The prediction given by machine learning is based on the solution of that equation.
Machine learning scientist provide the ‘backbone’ of the equation, but the learning algorithm learns ‘the details’ based on the given data.

Continue reading “How machine learning works. A non-technical explanation.”

Differences between association and prediction studies

Key points

Association and prediction studies have different goals. Machine learning excels in prediction studies.
Association studies focus on understanding a phenomena. They look for relationships between variables and outcomes, but they might not have predictive power.
Prediction studies use many variables to create predictors. They learn patterns in the training data to make predictions on new data. They might be very accurate, but hard to interpret, and that is fine.

Continue reading “Differences between association and prediction studies”