BRENDA ELIZABETH SUSTAITA

1529520
135TSSI-1529520-A7

ACTIVIDAD 7

Aprendizaje basado en instancias

El aprendizaje basado en instancias incluye el

vecino ms cercano y mtodos de regresin
pesados localmente que asumen que las
instancias pueden ser representadas como
puntos en el espacio euclideo.
En este tipo de aprendizaje, se almacenan los
ejemplos de entrenamiento y cuando se quiere
clasificar un nuevo objeto, se extraen los objetos
ms parecidos y se usa su clasificacin para
clasificar al nuevo objeto

rboles de decisin

Constituye un adecuado medio para el rea del

aprendizaje
inductivo,
y
una
sencilla
representacin del conocimiento propositivo til
en l toma de decisiones y en la clasificacin de
objetos.
Es limitado en su representacin. Toma como
entradas objetos o situaciones caracterizados
mediante un conjunto de propiedades.

Si existen ejemplos positivos y negativos,

entonces separarlos escogiendo el mejor
atributo.
Si los ejemplos son positivos (o todos negativos), no hay problema; podemos responder si
o no.
Si no hay ejemplos, significa que no se observ un ejemplo tal, por lo que se regresa al valor
predefinido calculado a partir de la clasificacin de la mayora en el padre nodo.
Sino quedan atributos, pero si tanto ejemplos positivos como negativos, entonces hay
problemas. Significa que la descripcin de estos ejemplos es exactamente la misma, pero su
clasificacin es diferente. Lo anterior sucede cuando algunos de los datos son incorrectos.

BRENDA ELIZABETH SUSTAITA

1529520
135TSSI-1529520-A7

Redes neuronales

Proveen un mtodo prctico y general para el

aprendizaje a partir de ejemplos de funciones
reales, discretas e intervalares.
Algoritmos como el Backpropagation utilizan el
gradiente descendente para ajustar los
parmetros de la red de forma que se ajusten
mejor a los datos de entrenamiento de entradasalida. Este aprendizaje es robusto frente a la
aparicin de errores en los datos de
entrenamiento y han sido aplicados con xito a problemas tales como la interpretacin de escenas
visuales, reconocimiento del habla y estrategias de control de robots.

Mtodos Kernel: Mquinas vectores soporte

Pertenece a la familia de mtodos kernel machines
Mtodo de

clasificacin (binaria)
Regresin (prediccin numrica)

Son los mtodos de aprendizaje que usan para representar los ejemplos de entrenamiento
a travs de matrices calculadas mediante la aplicacin de funciones kernel

Aprendizaje no supervisado

Las redes con aprendizaje no supervisado (auto supervisado) no requieren influencia externa para
ajustar los pesos de las conexiones entre sus neuronas. La red no recibe ninguna informacin por
parte del entorno que le indique si la salida generada en respuesta a una determinada entrada es o
no correcta; por ello suele decirse que estas redes son capaces de auto organizarse.

BRENDA ELIZABETH SUSTAITA

1529520
135TSSI-1529520-A7

En este tipo de redes la salida representa el

grado de familiaridad o similitud entre la
informacin que se le est presentando a la
entrada y las informaciones que se le han
mostrado hasta entonces

CONCLUSIONES
Se estudiaron mtodos de aprendizaje basados en diferentes algoritmos para hacer de un sistema,
uno inteligente, desde los ms sencillos como rboles e instancias que a su vez, son efectivos pero
consumen mayor tiempo en ejecucin, en el caso de instancias por buscar similitudes con cada
vecino, a partir de atributos definidos por el usuario para hacer la asociacin, en este apartado
podemos mencionar el algoritmo de K-means visto en el curso de sistemas adaptativos, y de rboles
podemos mencionar que consume mayor tiempo debido a su trabajo de comparacin en base a
preguntas bien establecidas con respuesta binaria.
Despus se mencionan algoritmos ms elaborados como son los que componen a las redes
neuronales, mtodos Kernel y aprendizaje no supervisado, los cuales funcionan a partir de
experiencias, es decir, se entrenan para que el sistema pueda ir aprendiendo y reproducir futuras
respuestas de forma automtica.
Cabe mencionar que estos mtodos de aprendizaje son todos efectivos pero dependiendo de los
requerimientos, se debe seleccionar el ms conveniente a partir de las caractersticas y factores que
comprendern el caso a resolver.

REFERENCIAS
http://disi.unal.edu.co/~lctorress/iartificial/IAc012.pdf
http://www-2.dc.uba.ar/materias/aa/aa.html
http://www.aic.uniovi.es/ssii/ssii-t11-metodoskernel-svm.pdf
http://www.uaeh.edu.mx/docencia/P_Presentaciones/huejutla/sistemas/redes_neuronales/apren
dizaje.pdf
http://ccc.inaoep.mx/~emorales/Cursos/NvoAprend/ibl.pdf

BRENDA ELIZABETH SUSTAITA

1529520
135TSSI-1529520-A7