Los diferentes algoritmos del Machine Learning
En este artículo veremos una guía con las principales familias y algoritmos más representativos del Machine Learning.
Al final del artículo encontrarás las instrucciones para descargar esta guía en formato PDF.
¡Así que listo, comencemos!
Tabla de contenido
Video
Como siempre, en el canal de YouTube se encuentra el video de este post:
Introducción
Cuando queremos resolver un problema de Machine Learning tenemos a nuestra disposición tantos algoritmos que a veces resulta difícil decidir cuál de ellos podemos usar.
Así que en este artículo haremos un tour por las principales familias de algoritmos del Machine Learning, organizadas dependiendo de sus principios de funcionamiento. Además, para cada familia veremos también los algoritmos más representativos.
Algunas definiciones básicas
Como punto de partida supongamos que ya hemos determinado que el Machine Learning es la estrategia adecuada para resolver nuestro problema. Si no sabes cómo hacerlo en el artículo ¿cuándo usar el Machine Learning? lo explico en detalle.
También es importante tener en cuenta que existen muchísimos algoritmos de Machine Learning, así que en esta guía no veremos un listado exhaustivo sino más bien los algoritmos más representativos de cada familia.
¿Qué significa resolver un problema de Machine Learning?
En un problema de Machine Learning lo que buscamos es crear un modelo que sea capaz de tomar unos datos de entrada, encontrar ciertos patrones en esos datos y con base en ello logre realizar una predicción a partir de dichas propiedades.
Por ejemplo podemos pensar en algo tan simple como un modelo alimentado con imágenes y que buscamos que logre clasificarlas en diferentes categorías.
Y para que el modelo aprenda a detectar patrones usamos lo que se conoce como un set de entrenamiento. Así, una vez entrenado el modelo lo podremos poner a prueba con datos que nunca ha analizado: el set de prueba.
Y este proceso de aprendizaje puede ser supervisado, no supervisado o por refuerzo.
El aprendizaje supervisado
En el aprendizaje supervisado tenemos un grupo de datos de entrada y para cada uno de ellos conocemos con antelación los atributos que deseamos predecir.
Por ejemplo para entrenar un sistema de clasificación de imágenes debemos tener varias imágenes y para cada una de ellas conocer la categoría a la que pertenecen.
O por ejemplo para un sistema de puntuación de crédito tenemos datos de potenciales clientes de un banco pero también debemos conocer con antelación la probabilidad de que cada cliente adquiera un producto crediticio con el banco.
El aprendizaje no supervisado
Por otra parte, en el aprendizaje no supervisado sólo tenemos los datos pero desconocemos el atributo que queremos predecir.
Por ejemplo podemos tener una base de datos de clientes con diferentes comportamientos financieros pero desconocemos cuáles de ellos tendrán más o menos probabilidad de adquirir por ejemplo un crédito con el banco.
En este caso los algoritmos de aprendizaje no supervisado pueden detectar diferentes patrones de comportamiento y de forma automática agruparlos en ciertas categorías para que podamos posteriormente interpretar estos resultados y tomar decisiones.
El aprendizaje por refuerzo
Y por último está el aprendizaje por refuerzo, en donde lo que se busca es usar algoritmos que permitan a un agente aprender a interactuar con su entorno, como cuando por ejemplo queremos que un robot aprenda por sí solo a ejecutar acciones y a moverse de forma autónoma en un espacio determinado.
Este aprendizaje por refuerzo tiene un espectro tremendamente amplio de algoritmos, así que en este artículo no hablaremos de este enfoque, aunque si estás interesado en el sitio web podrás encontrar una guía introductoria al aprendizaje por refuerzo o los cursos aprendizaje por refuerzo nivel básico y aprendizaje por refuerzo nivel intermedio.
Ahora sí estamos listos para comenzar a explorar las diferentes familias y sus algoritmos más representativos.
Las familias y algoritmos del Machine Learning
Estas familias están conformadas por grupos de algoritmos que tienen el mismo principio de funcionamiento, aunque hay que tener en cuenta que no son totalmente excluyentes (es decir que puede haber algoritmos que bien podrían pertenecer a diferentes familias).
Pero más allá de este criterio lo importante es que estoy intentando darle un cierto orden lógico a la gran cantidad de algoritmos existentes.
Y como se trata de una guía lo que haremos será describir las principales características de cada familia y mencionar sus algoritmos más representativos, sin entrar a mirar en detalle el funcionamiento de cada uno de ellos.
Algoritmos de Regresión
Comencemos con los algoritmos de regresión, que son algoritmos de aprendizaje supervisado y donde lo que buscamos es entrenar un modelo capaz de predecir el valor de una variable continua.
Por ejemplo podemos entrenar un modelo que aprenda a tomar la edad, el género y el peso de una persona e intente predecir su altura.
La regresión lineal, la regresión ordinaria por mínimos cuadrados y la regresión logística son algunos de los principales algoritmos de esta familia.
Algoritmos basados en árboles de decisión
Los algoritmos basados en árboles de decisión también son de aprendizaje supervisado y se pueden usar para tareas de regresión o clasificación.
El nombre de esta familia se debe a que usan una estructura básica, los árboles precisamente, que con simples reglas de decisión aplicadas sobre los datos les permite generar predicciones.
Por ejemplo podemos entrenar un árbol para que aplique de forma secuencial reglas de decisión sobre diferentes características relacionadas con el comportamiento financiero de un cliente y con esto prediga si adquirirá o no un producto.
Entre los principales algoritmos tenemos los árboles de clasificación y los árboles de regresión que usan como base lo que se conoce como el algoritmo CART.
Algoritmos probabilísticos
Otra familia son los algoritmos probabilísticos que intentan construir una distribución de probabilidades de las características de los datos para realizar tareas de clasificación y regresión o también de aprendizaje no supervisado.
Por ejemplo pensemos en un simple clasificador de imágenes para determinar si la fruta en una imagen es una banana o un kiwi. Si se analiza la forma y el color de cada fruta se tendrán distribuciones diferentes y con esta información el clasificador probabilístico podrá diferenciar una de la otra.
Los algoritmos más representativos son Naive Bayes, las Redes Bayesianas y los modelos de mezcla gaussiana.
Algoritmos de contracción
Muchos modelos de Machine Learning sufren, en mayor o menor grado, del problema de overfitting que ocurre cuando el modelo tiende a memorizar el set de entrenamiento pero no logra generalizar (es decir que no funciona bien con el set de prueba).
Para reducir este overfitting se puede intentar controlar el impacto que tiene cada una de las características en el procesamiento del dato por parte del modelo.
Por ejemplo, volviendo al sencillo clasificador de tipos de fruta, puede ser que le de más importancia al color que a la forma al realizar la clasificación y tal vez el desempeño no sea el adecuado. Lo ideal sería que ambas características tuviesen niveles de importancia similares.
Los algoritmos de contracción buscan reducir el overfitting contrayendo el peso o la importancia de algunas características imponiendo una penalidad sobre su tamaño.
Entre los algoritmos más importantes encontramos la regresión Ridge, la regresión LASSO y elastic net, que pueden ser usados para tareas tanto de regresión como de clasificación.
Algoritmos de agrupamiento (o clustering)
Los algoritmos de agrupamiento permiten realizar tareas de aprendizaje no supervisado, para lo cual generan agrupaciones basadas en el grado de similitud entre los datos, de forma tal que datos similares pertenecerán a una misma agrupación.
Por ejemplo podemos usar algoritmos de clustering para encontrar diferentes perfiles de cliente de una entidad bancaria: aquellos más interesados en adquirir productos crediticios o aquellos con un perfil de inversionistas.
Los principales algoritmos en esta familia son k-means, el agrupamiento espectral y los mapas auto-organizados.
Algoritmos combinados (o ensemble)
En los algoritmos combinados se construye un modelo a partir de múltiples modelos más simples, con lo cual se busca mejorar el desempeño del modelo en tareas de regresión o clasificación.
Por ejemplo podemos tener un árbol de decisión que tiene un desempeño regular como clasificador, pero si construimos un modelo con múltiples árboles, unos diferentes de otros, podremos aprovechar las fortalezas de cada árbol para que el modelo combinado realice una mejor clasificación que cada modelo individual.
Los principales algoritmos en esta categoría son los bosques aleatorios y los algoritmos de bagging y boosting.
Algoritmos de aprendizaje basado en instancias
Los algoritmos de aprendizaje basado en instancias se usan en tareas de aprendizaje supervisado y en lugar de construir un modelo almacenan instancias (ejemplos) de los datos de entrenamiento para posteriormente comparar el dato procesado con dichas instancias.
Por ejemplo podemos intentar determinar si una imagen corresponde a un producto en buen estado o defectuoso comparando sus características con las de múltiples objetos almacenadas previamente.
Los algoritmos más usados en esta familia son los k-vecinos más cercanos y las máquinas de soporte vectorial.
Algoritmos de reducción de dimensionalidad
Los algoritmos de reducción de dimensionalidad, de aprendizaje no supervisado, permiten analizar los patrones presentes en los datos para simplificar su representación pero preservando la información que nos interesa.
Por ejemplo supongamos que tenemos una población de sujetos y para cada uno tomamos los datos de su altura y su peso.
Estas dos variables no son totalmente independientes y en su lugar están correlacionadas: es de esperar que a mayor altura se tenga mayor peso y viceversa.
Así que podríamos pensar que para describir al sujeto podríamos usar una sola variable que combine la información tanto del peso como de la altura. Al usar una en lugar de dos variables lo que estamos haciendo es reducir la dimensionalidad de nuestro set de datos pero sin pérdida de información.
Entre los algoritmos más usados tenemos del análisis de componentes principales o el análisis discriminante lineal.
Arquitecturas del Deep Learning
Hasta este punto hemos hablado de los algoritmos clásicos del Machine Learning, que funcionan bastante bien cuando tenemos datos estructurados (es decir que vienen representados en formato tabular) o cuando la cantidad de datos disponibles es de máximo unas cuantas decenas o cientos de miles.
Pero cuando tenemos datos no estructurados (como las imágenes, el video, el texto o el audio) resulta mucho más difícil usar estos algoritmos clásicos para realizar tareas de aprendizaje supervisado o no supervisado.
En este caso la alternativa más adecuada son las arquitecturas del Deep Learning, que han tenido una evolución impresionante en los últimos 10 años y que se derivan de una estructura básica que son las Redes Neuronales.
Estas arquitecturas requieren una gran cantidad de datos de entrenamiento (del orden de cientos de miles o millones) y son adecuadas cuando tenemos datos no estructurados.
Los principales representantes de esta familia son las Redes Neuronales, las Redes Convolucionales, las Redes Recurrentes y LSTM y las Redes Transformer.
Si te interesa aprender todos los conceptos y elementos prácticos para el desarrollo de estas arquitecturas puedes ver los detalles en mi curso Fundamentos de Deep Learning con Python disponible en la Academia Online.
Enlace de descarga de la guía
Suscríbete a la newsletter mensual de Codificando Bits y recibe el enlace de descarga de la guía en tu e-mail:
Conclusión
Muy bien ya tenemos un panorama general de las principales familias y algoritmos del Machine Learning, aunque tengamos en cuenta que este listado de algoritmos es mucho más amplio y que he intentado incluir sólo aquellos más representativos de cada familia.
Espero que puedas aprovechar esta guía y que te resulte útil cuando estés desarrollando un proyecto de Machine Learning.
Si quieres profundizar en los temas que acabamos de ver en este post te invito a leer estos artículos relacionados que encontrarás acá en el blog: