APRENDIZAJE SUPERVISADO VS NO SUPERVISADO

El Aprendizaje Automático hace referencia a la preparación de un modelo entrenado estadísticamente donde se correlacionan unas observaciones, llamadas X con una variable objetivo llamada Y. Durante el entrenamiento se construye un modelo que relaciona las observaciones recogidas en el conjunto X con la variable recogida en el conjunto Y, que son observaciones reales conocidas de antemano.

Una vez ajustado el modelo servirá para predecir valores Y, objetivos desconocidos, sobre un conjunto de nuevas observaciones X. Esto es lo que se denomina aprendizaje supervisado, porque en el entrenamiento el disponer de objetivos conocidos Y de unas observaciones X permite supervisar el entrenamiento.

Finalmente hay casos en que ni siquiera conocemos ninguna variable objetivo. Simplemente nos piden que establezcamos una clasificación, (buena, regular, mala) por ejemplo, sobre un conjunto de observaciones de las que no tenemos experiencia previa. En estos casos estaremos hablando de aprendizaje no supervisado. Se aplicarán métodos que permiten hacer clasificaciones genéricas no condicionadas por una experiencia previa.


Información proporcionada por el profesor Don Valeriano Méndez.