Minicurso 2

Modelos de clasificación supervisada. Aplicaciones

Resumen

El aprendizaje estadístico se refiere a un amplio conjunto de herramientas para comprender los datos. En muchas áreas se tienen problemas de este tipo: negocios, economía, medicina, astrofísica, imágenes, entre otros. Estas herramientas se pueden clasificar en supervisadas o no supervisadas. El aprendizaje estadístico supervisado implica la construcción de un modelo estadístico para predecir, o estimar, un “resultado” (output) basado en una o más “entradas” (inputs). El modelo de regresión lineal se usa para predecir valores cuantitativos, mientras que si los resultados por predecir son cualitativos se presenta un modelo de clasificación.

Con el aprendizaje estadístico no supervisado hay “entradas” pero no “resultados”, sin embargo, permite aprender relaciones y estructuras a partir de los datos. Por ejemplo, encontrando grupos (entre los individuos o entre las variables) que se comporten de manera similar, o haciendo combinaciones lineales de las variables. En el último tiempo se ha desarrollado el aprendizaje estadístico gracias a la potencia y simplicidad de paquetes informáticos, como R que es además de acceso gratuito.

En este curso presentamos aplicaciones (principalmente en imágenes de teledetección) de algunos métodos de clasificación supervisada, comparando su desempeño mediante la matriz de confusión obtenida con los datos de referencia. Además, usamos validación cruzada para la estimación de parámetros.

Material del curso haciendo click aquí