Please enable JavaScript.

Coggle requires JavaScript to display documents.

Aprendizaje supervisado en las redes neuronales, Proceso de aprendizaje,…

- - - - Limpiar y organizar el conjunto
        
        Normalizar valores cuando sea necesario
- - - - Aprende a partir de ejemplos
  - - - Detecta señales de sobreajuste
  - - - Usa datos no vistos durante el entrenamiento
- - - - La función de activación transforma el resultado
        
        La capa de salida genera una predicción
- - - - Error alto indica una predicción poco acertada
        
        La red busca reducir esa pérdida
- - - - Se repite durante varias épocas
        
        Se detiene al cumplir un criterio
- - - - Ejemplo: correo deseado o spam
        
        Métricas: precisión, recall y F1
- - - - Ejemplo: estimar el precio de una vivienda
        
        Métricas: MAE o RMSE
- - - - La salida puede ser una probabilidad
- - - - Se selecciona la clase más probable
- - - - Elegir métricas según el problema
- - - - Puede mejorar con datos adecuados
- - - - Se detecta al comparar entrenamiento y validación
        
        Se reduce con más datos y regularización
- - - - Revisar errores y sesgos
        
        Actualizar el modelo si cambian los datos
- - - - Influyen en la predicción
- - - - Depende del tipo de tarea
  - - - Combinan patrones simples y complejos
- - - - Calculan una suma ponderada
        
        Producen una salida transformada
- - - - La red relaciona datos con respuestas
- - - - Generalizar en lugar de memorizar
- - - - Ejemplo: píxeles de una fotografía
  - - - Ejemplo: “gato” o “perro”