Aprendizaje de máquina

Se divide en dos grandes áreas:

1. Aprendizaje supervisado: Se entrena un clasificador para identificar la etiqueta de un elemento nuevo. Las entradas para este modelo son: la matriz de datos de dimension , donde es el numero de observaciones y es el numero de caracteristicas, y el conjunto de etiquetas , donde es el numero de clases

2. Aprendizaje no supervisado: Se intenta agrupar el conjunto de datos, de tal forma que la separción entre los grupos sea la más conveniente. En este caso la entrada va a estar dado solo por la matriz de datos , definida por:

Etapas modelo ML:

1. Adquisición de datos
2. Acondicionamiento de los datos, tambien llamado preprocesamientos (filtrado y remoción de artefactos)
3. Caracterización
4. Preprocesamiento de las caracteristicas
5. Reducción de dimensión
6. Aplicación del modelo ML
7. Analisis de resultado