-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy path01_introduccion.html
594 lines (500 loc) · 30 KB
/
01_introduccion.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8" />
<meta http-equiv="X-UA-Compatible" content="chrome=1" />
<meta name="apple-mobile-web-app-capable" content="yes" />
<meta name="apple-mobile-web-app-status-bar-style" content="black-translucent" />
<title>Introducción</title>
<script src="https://cdnjs.cloudflare.com/ajax/libs/require.js/2.1.10/require.min.js"></script>
<script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/2.0.3/jquery.min.js"></script>
<!-- General and theme style sheets -->
<link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/reveal.js/3.5.0/css/reveal.css">
<link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/reveal.js/3.5.0/css/theme/white.css" id="theme">
<link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/reveal.js/3.5.0/lib/css/zenburn.css">
<!-- If the query includes 'print-pdf', include the PDF print sheet -->
<script>
if( window.location.search.match( /print-pdf/gi ) ) {
var link = document.createElement( 'link' );
link.rel = 'stylesheet';
link.type = 'text/css';
link.href = 'https://cdnjs.cloudflare.com/ajax/libs/reveal.js/3.5.0/css/print/pdf.css';
document.getElementsByTagName( 'head' )[0].appendChild( link );
}
</script>
<!--[if lt IE 9]>
<script src="https://cdnjs.cloudflare.com/ajax/libs/reveal.js/3.5.0/lib/js/html5shiv.js"></script>
<![endif]-->
<!-- Loading the mathjax macro -->
<!-- Load mathjax -->
<script src="https://cdnjs.cloudflare.com/ajax/libs/mathjax/2.7.5/latest.js?config=TeX-AMS_HTML"></script>
<!-- MathJax configuration -->
<script type="text/x-mathjax-config">
MathJax.Hub.Config({
tex2jax: {
inlineMath: [ ['$','$'], ["\\(","\\)"] ],
displayMath: [ ['$$','$$'], ["\\[","\\]"] ],
processEscapes: true,
processEnvironments: true
},
// Center justify equations in code and markdown cells. Elsewhere
// we use CSS to left justify single line equations in code cells.
displayAlign: 'center',
"HTML-CSS": {
styles: {'.MathJax_Display': {"margin": 0}},
linebreaks: { automatic: false }
}
});
</script>
<!-- End of mathjax configuration -->
<!-- Get Font-awesome from cdn -->
<!--<link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/font-awesome/4.7.0/css/font-awesome.css">-->
<style type="text/css">
.container{
display: flex;
}
.col{
flex: 1;
}
.reveal section p {
display: inline-block;
font-size: 0.6em;
line-height: 1.2em;
vertical-align: top;
text-align: left;
}
.reveal section li {
font-size: 0.6em;
}
.reveal section img {
border: none;
}
</style>
</head>
<body>
<div class="reveal">
<div class="slides">
<section><h1>Inteligencia Artificial</h1>
</section>
<section><h2>Presentación</h2>
<ul><li>Mi correo: [email protected]</li>
<li>Horario: martes 10.15-11.15, jueves 10.15-11.15.</li>
</section>
<section><h2>Bibliografía</h2>
<ul><li><i>Hands-On Machine Learning with Scikit-Learn, Keras and Tensorflow</i>, Géron</li>
<li><i>Introduction to Machine Learning with Python</i>, Müller & Guido</li>
<li><i>An Introduction to Statistical Learning with Applications in R</i>, James, Witten, Hastie, Tibshirani</li></ul>
<p>Todos disponibles en el Classroom</p>
</section>
<section><h2>Resultados de aprendizaje</h2>
<ul><li>Asignatura teórico / práctica, de modalidad presencial, y con evaluación basada en proyectos/tareas.</li>
<li>Tiene como finalidad entender los principios detrás de la clasificación supervisada y no supervisada, el entrenamiento y testeo de algoritmos y las implicaciones de las métricas usadas en los procesos de optimización y toma de decisiones.</li></ul>
</section>
<section><h2>Contenido</h2>
<p><ul><li>Introducción a <i>machine learning</i></li>
<li>Repaso de Python, Jupyter Notebooks</li>
<li>Clasificación</li>
<li>Entrenamiento de los modelos</li>
<li>Support vector machines</li>
<li>Árboles de decisión</li>
<li>Random forests</li>
<li>Reducción de dimensionalidad</li>
<li>Aprendizaje no supervisado</li>
<li>Intro a redes neuronales y <i>deep learning</i></ul>
</section>
<section><h2>Evaluaciones</h2>
<ul><li>4 Tareas, de la misma ponderación</li>
<li>Tarea 1: clasificación</li>
<li>Tarea 2: entrenamiento, SVMs</li>
<li>Tarea 3: random forest, PCA</li>
<li>Tarea 4: RNs, Keras, MLP</li></ul>
</section>
<section><h1>Introducción</h1>
</section>
<section><h4>¿Qué es Inteligencia Artificial?</h4>
<figure>
<p><img src="figures_intro/artificial-intelligence-terms.jpg" height=500></p>
<figcaption><small>Fuente: simplecore.intel.com</small></figcaption>
</figure>
</section>
<section><h4>Usos de <i>machine learning</i></h4>
<figure>
<p><img src="figures_intro/machine-learning1.png" height=500></p>
<figcaption><small>Fuente: 7wdata.be</small></figcaption>
</figure>
</section>
<section><h4>Usos de <i>machine learning</i></h4>
<figure>
<p><img src="figures_intro/applications_ml.png" height=500></p>
<figcaption><small>Fuente: javatpoint.com</small></figcaption>
</figure>
</section>
<section><h4>Usos de <i>machine learning</i> en la ciencia</h4>
<figure>
<p><img src="figures_intro/science_use_case_spider.png" height=500></p>
<figcaption><small>Fuente: nersc.gov</small></figcaption>
</figure>
</section>
<section><h4>¿Qué es <i>machine learning</i>?</h4>
<p>Proceso tradicional:</p>
<figure>
<p><img src="figures_intro/fig1-1.png" height=400></p>
</figure>
</section>
<section><h4>¿Qué es <i>machine learning</i>?</h4>
<p>Proceso de <i>machine learning</i>:</p>
<figure>
<p><img src="figures_intro/fig1-2.png" height=400></p>
</figure>
</section>
<section><h4>¿Qué es <i>machine learning</i>?</h4>
<figure>
<p><img src="figures_intro/rules_answers_data.jpg" height=400></p>
</figure>
</section>
<section><h4>Ventajas de <i>machine learning</i></h4>
<figure>
<p><img src="figures_intro/fig1-3.png" height=400></p>
</figure>
</section>
<section><h4>Ventajas de <i>machine learning</i></h4>
<p><i>Data mining</i>:</p>
<figure>
<p><img src="figures_intro/fig1-4.png" height=400></p>
</figure>
</section>
<section>
<p><i>Machine learning</i> es más apto para:</p>
<ul><li class="fragment">Problemas donde la solución requiere una lista larga de reglas.</li>
<li class="fragment">Problemas complejos donde no hay una solución buena.</li>
<li class="fragment">Situaciones donde hay que adaptar a nueva información.</li>
<li class="fragment">Entender mejor problemas complejos y grandes cantidades de datos.</li></ul>
</section>
<section><h4>Tipos de <i>machine learning</i></h4>
<p>Hay varias categorías de modelos de <i>machine learning</i>:
<ul><li class="fragment">Supervisado, no supervisado, semisupervisado, aprendizaje por refuerzo</li>
<li class="fragment"><i>Online</i> o <i>batch</i>.</li>
<li class="fragment">Basado en instancias o un modelo.</li></ul>
</section>
<section><h4>Aprendizaje supervisado: classificación</h4>
<figure>
<p><img src="figures_intro/fig1-5.png" height=400></p>
</figure>
</section>
<section><h4>Aprendizaje supervisado: regresión</h4>
<figure>
<p><img src="figures_intro/fig1-6.png" height=400></p>
</figure>
</section>
<section><h4>Aprendizaje supervisado: ejemplos</h4>
<ul><li class="fragment"><i>k-Nearest neighbours</i></li>
<li class="fragment">Regresión lineal</li>
<li class="fragment">Regresión logística</li>
<li class="fragment">Maquinas de soporte vectorial (<i>support vector machines</i>)</li>
<li class="fragment">Árboles de decisión y <i>random forests</i></li>
<li class="fragment">Redes neuronales</li></ul>
</section>
<section><h4>Aprendizaje no supervisado</h4>
<figure>
<p><img src="figures_intro/fig1-7.png" height=400></p>
</figure>
</section>
<section><h4>Aprendizaje no supervisado: ejemplos</h4>
<ul><li class="fragment"><i>Clustering:</i></li>
<ul><li class="fragment"><i>k-Means</i></li>
<li class="fragment">DBSCAN</li>
<li class="fragment"><i>Heirarchical Cluster Analysis</i> (HCA)</li></ul>
<li class="fragment"><i>Detección de anomalías</i>:</li>
<ul><li class="fragment"><i>One-class SVM</i></li>
<li class="fragment"><i>Isolation Forest</i></li></ul>
<li class="fragment">Visualización y reducción de dimensionalidad</li>
<ul><li class="fragment"><i>Principal Component Analysis</i> (PCA)</li>
<li class="fragment"><i>Kernel PCA</i></li>
<li class="fragment"><i>Locally-Linear Embedding</i> (LLE)</li>
<li class="fragment"><i>t-distributed Stochastic Neighbour Embedding</i></li></ul>
<li class="fragment">Aprendizaje de reglas de asociación</li>
<ul><li class="fragment"><i>Apriori</i></li>
<li class="fragment"><i>Eclat</i></li></ul></ul>
</section>
<section><h4>Aprendizaje no supervisado: <i>clustering</i></h4>
<figure>
<p><img src="figures_intro/fig1-8.png" height=400></p>
</figure>
</section>
<section><h4>Aprendizaje no supervisado: visualización</h4>
<figure>
<p><img src="figures_intro/fig1-9.png" height=400></p>
<figcaption><small>Visualización de t-SNE</small></figcaption>
</figure>
</section>
<section><h4>Aprendizaje no supervisado: detección de anomalías</h4>
<figure>
<p><img src="figures_intro/fig1-10.png" height=400></p>
</figure>
</section>
<section><h4>Aprendizaje semi-supervisado</h4>
<figure>
<p><img src="figures_intro/fig1-11.png" height=400></p>
</figure>
</section>
<section><h4>Aprendizaje por refuerzo</h4>
<figure>
<p><img src="figures_intro/fig1-12.png" height=400></p>
</figure>
</section>
<section><h4>Otra clasificación: <i>batch</i> u <i>online</i></h4>
<ul><li class="fragment"><i>Batch</i>: el sistema está entrenado usando todos los datos de entrenamiento.</li>
<li class="fragment"><i>Online</i>: el sistema está entrenado en una forma incremental, usando los datos uno por uno, o con <i>mini-batches</i>.</li></ul>
</section>
<section><h4>Aprendizaje <i>online</i></h4>
<figure>
<p><img src="figures_intro/fig1-13.png" height=400></p>
</figure>
</section>
<section><h4>Aprendizaje <i>online</i> para datos masivos</h4>
<figure>
<p><img src="figures_intro/fig1-14.png" height=400></p>
</figure>
</section>
<section><h4>Otra clasificación: basado en instancias o un modelo</h4>
<ul><li class="fragment"><i>Instancias</i>: el sistema compara un nuevo dato con los datos ya aprendidos.</li>
<li class="fragment"><i>Modelo</i>: el sistema construye un modelo usando los datos, y realiza predicciones basado en ese modelo.</li></ul>
</section>
<section><h4>Aprendizaje basado en instancias</h4>
<figure>
<p><img src="figures_intro/fig1-15.png" height=400></p>
</figure>
</section>
<section><h4>Aprendizaje basado en un modelo</h4>
<figure>
<p><img src="figures_intro/fig1-16.png" height=400></p>
</figure>
</section>
<section><h4>Aprendizaje basado en un modelo: ejemplo</h4>
<figure>
<p><img src="figures_intro/table1-1.png" height=400></p>
<figcaption><small>Datos de la OECD</small></figcaption>
</figure>
</section>
<section><h4>Aprendizaje basado en un modelo: ejemplo</h4>
<figure>
<p><img src="figures_intro/fig1-17.png" height=400></p>
</figure>
</section>
<section><h4>Aprendizaje basado en un modelo: ejemplo</h4>
<p>Usamos un modelo lineal: $L = \theta_0 + \theta_1 x$ donde $x$ es PIB (GDP en inglés) y $L$ es "satisfacción de vida". Este modelo también se llama regresión lineal.</p>
<p>Hay dos <b>parámetros</b> en el modelo: $\theta_0$ y $\theta_1$.</p>
</section>
<section><h4>Aprendizaje basado en un modelo: ejemplo</h4>
<figure>
<p><img src="figures_intro/fig1-18.png" height=400></p>
<figcaption><small>Posibles modelos (cambiando los valores de $\theta_0$ y $\theta_1$)</small></figcaption>
</figure>
</section>
<section><h4>Aprendizaje basado en un modelo: ejemplo</h4>
<ul><li class="fragment">Para usar el modelo, necesitamos definir los valores de $\theta_0$ y $\theta_1$.</li>
<li class="fragment">Queremos medir la calidad del ajuste del modelo, es decir, saber si el modelo es bueno o malo.</li>
<li class="fragment"><b>Función de utilidad</b>: una medida de lo bueno que es el modelo.</li>
<li class="fragment"><b>Función de costo</b>: una medida de lo malo que es el modelo.</li></ul>
</section>
<section><h4>Aprendizaje basado en un modelo: ejemplo</h4>
<ul><li class="fragment">Para regresión lineal usamos una función de costo</li>
<li class="fragment">En detalles, la función es una medida de la distancia entre el modelo (la línea) y los datos (las instancias): $$F = \sum_{i=1}^N (y_i - \hat{y}_i)^2$$</li>
<li class="fragment">Encontrar los valores óptimos de $\theta_0$ y $\theta_1$ corresponde a <b>minimizar</b> la función de costo.</li>
<li class="fragment">El proceso de encontrar los valores óptimos de $\theta_0$ y $\theta_1$ se llama <b>entrenamiento</b> del modelo.</li></ul>
</section>
<section><h4>Aprendizaje basado en un modelo: ejemplo</h4>
<figure>
<p><img src="figures_intro/fig1-19.png" height=400></p>
<figcaption><small>Línea de mejor ajuste</small></figcaption>
</figure>
</section>
<section><h4>Aprendizaje basado en un modelo: ejemplo</h4>
<pre><code class="language-python">import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import sklearn.linear_model
# Load the data
oecd_bli = pd.read_csv("oecd_bli_2015.csv", thousands=',')
gdp_per_capita = pd.read_csv("gdp_per_capita.csv",thousands=',',delimiter='\t', encoding='latin1', na_values="n/a")
# Prepare the data
country_stats = prepare_country_stats(oecd_bli, gdp_per_capita)
X = np.c_[country_stats["GDP per capita"]]
y = np.c_[country_stats["Life satisfaction"]]
# Visualize the data
country_stats.plot(kind='scatter', x="GDP per capita", y='Life satisfaction')
plt.show()
# Select a linear model
model = sklearn.linear_model.LinearRegression()
# Train the model
model.fit(X, y)
# Make a prediction for Cyprus
X_new = [[22587]] # Cyprus' GDP per capita
print(model.predict(X_new))
# outputs [[ 5.96242338]]</code></pre>
</section>
<section><h4>Aprendizaje basado en instancias: ejemplo</h4>
<ul><li class="fragment">En vez de construir un modelo (en este caso con regresión lineal) podemos simplemente encontrar la(s) instancia(s) más cercana(s) a la nueva instancia.</li>
<li class="fragment">Para estos datos, <i>Slovenia</i> es la instancia más cercana a <i>Cyprus</i>.</li>
<li class="fragment">Así que predecimos (con este método) un "life satisfaction" de $5.7$ (igual a <i>Slovenia</i>).</li>
<li class="fragment">Considerando las 3 instancias más cercanas tenemos <i>Portugal</i>, <i>Spain</i> y <i>Slovenia</i>.</li>
<li class="fragment">El promedio de los 3 paises es $5.77$. Este algoritmo se llama <i>k-Nearest neighbours</i> con $k=3$.</li></ul>
</section>
<section><h4>Aprendizaje basado en instancias: ejemplo</h4>
<pre><code class="language-python">...
#import sklearn.linear_model
import sklearn.neighbors
...
#model = sklearn.linear_model.LinearRegression()
model = sklearn.neighbors.KNeighborsRegressor(n_neighbors=3)
...</code></pre>
</section>
<section><h4>Desafios de <i>machine learning</i></h4>
<p>Dos posibles problemas principales:</p><br>
<ul><li class="fragment">Algoritmo malo</li>
<li class="fragment">Datos malos</li></ul>
</section>
<section><h4>Problemas con datos</h4>
<p>Cantidad insuficiente de datos</p>
<figure>
<p><img src="figures_intro/fig1-20.png" height=300></p>
<figcaption><small>Banko & Brill (2001). Más datos, mejor rendimiento. Pero ojo, hay muchos conjuntos de datos de tamaño "pequeño" (especialmente en ciencia).</small></figcaption>
</figure>
</section>
<section><h4>Problemas con datos</h4>
<p>Datos de entrenamiento no representativos (<i>biased data</i>)</p>
<figure>
<p><img src="figures_intro/fig1-21.png" height=300></p>
<figcaption><small>Línea sólida: modelo nuevo; línea discontinua: modelo antiguo</small></figcaption>
</figure>
</section>
<section><h4>Problemas con datos</h4>
<p>Datos de entrenamiento no representativos (<i>biased data</i>)<p><br>
<ul><li class="fragment">Conjunto de datos demasiado pequeño: <i>sampling noise</i>.</li>
<li class="fragment">Método defectuoso de obtener los datos: <i>sampling bias</i>.</li></ul>
</section>
<section><h4>Problemas con datos</h4>
<p>Datos de mala calidad. Muchas veces es necesario limpiar los datos.</p><br>
<ul><li class="fragment">Si hay muchos <i>outliers</i> puede ayudar botarlos de la muestra.</li>
<li class="fragment">Instancias que faltan <i>features</i>. Hay que decidir si usamos esos <i>features</i> en el modelo, si reemplazamos por un valor, etc.</li></ul>
</section>
<section><h4>Problemas con datos</h4>
<p><i>Features</i> irrelevantes. Un aspecto de <i>machine learning</i> es encontrar <i>features</i> que facilitan la construcción de un modelo que funciona bien.</p><br>
<ul><li class="fragment">Selección de <i>features</i>: elegir los <i>features</i> más útiles para el entrenamiento del modelo.</li>
<li class="fragment">Extracción de <i>features</i>: combinar los <i>features</i> que ya existen para construir nuevos <i>features</i>. Por ejemplo, en reducción de dimensionalidad.</li>
<li class="fragment">Crear nuevos <i>features</i> de datos nuevos.</li></ul>
</section>
<section><h4>Problemas con algoritmos</h4>
<p><i>Overfitting</i></p>
<figure>
<p><img src="figures_intro/fig1-22.png" height=400></p>
<figcaption><small>Modelo de regresión con un polinomio de grado alto.</small></figcaption>
</figure>
</section>
<section><h4>Problemas con algoritmos</h4>
<p><i>Overfitting</i> ocurre cuando el modelo es demasiado complejo dado la cantidad de datos y el ruido en los datos.</p><br>
<ul><li class="fragment">Simplificar el modelo: reducir el número de parámetros; reducir el número de atributos en los datos de entrenamiento; restringir el modelo (regularización).</li>
<li class="fragment">Recopilar más datos.</li>
<li class="fragment">Reducir el ruido y los errores en los datos.</li></ul>
</section>
<section><h4>Problemas con algoritmos</h4>
<p>Una forma de resolver el problema de <i>overfitting</i> es con <b>regularización</b>. Ejemplo:</p>
<ul><li class="fragment">Modelo lineal: $\theta_0$ (altura) y $\theta_1$ (pendiente).</li>
<li class="fragment">Regularización de este modelo correspondería a restringir uno de estos parámetros (o ambos).</li></ul>
<figure>
<p><img src="figures_intro/fig1-23.png" height=300 class="fragment"></p>
</figure>
</section>
<section><h4>Hiperparámetros</h4>
<ul><li class="fragment">La cantidad de regularización que aplicamos a un modelo se puede controlar con un <b>hiperparámetro</b>.</li>
<li class="fragment">Un hiperparámetro es un parámetro del <b>algoritmo</b>, no del modelo.</li>
<li class="fragment">Encontrar valores óptimos para los hiperparámetros es un aspecto importante de <i>machine learning</i></li>
<li class="fragment">De hecho, se puede usar algoritmos de <i>machine learning</i> para encontrar los hiperparpametros óptimos de otro algoritmo!</li></ul>
</section>
<section><h4>Problemas con algoritmos</h4>
<p><i>Underfitting</i>: el modelo es demasiado simple para representar bien los datos. El modelo lineal de "life satisfaction" es un ejemplo.</p>
<ul><li class="fragment">Elegir un modelo más complejo, con más parámetros.</li>
<li class="fragment">Entregar mejores <i>features</i> al algoritmo (<i>feature engineering</i>).</li>
<li class="fragment">Reducir las restricciones en el modelo (e.g. menos regularización).</li></ul>
</section>
<section><h4>Probar y validar el modelo</h4>
<ul><li class="fragment">Es buena practica dividir los datos en dos conjuntos: el conjunto de entrenamiento y el conjunto de prueba (<i>test set</i>).</li>
<li class="fragment">El modelo está entrenado con el conjunto de entrenamiento, y se puede probar el modelo usando el conjunto de prueba.</li>
<li class="fragment">La taza de error en los casos nuevos del conjunto de prueba se llama <b>error de generalización</b>.</li>
<li class="fragment">Es común usar 80% de los datos para entrenamiento, 20% para probar el modelo.</li>
<li class="fragment">Si el error en los datos de entrenamiento es bajo, pero el error de generalización es alto $\Rightarrow$ <span style="color:red"><i>overfitting</i></span></li></ul></ul>
</section>
<section><h4>Selección de modelo, ajuste de hiperparámetros</h4>
<ul><li class="fragment">Es muy común usar una parte del conjunto de entrenamiento como conjunto de <b>validación</b>.</li>
<li class="fragment">La idea es: entrenar varios modelos (con distintos hiperparámetros) en el conjunto reducido de entrenamiento.</li>
<li class="fragment">Elegir el modelo con mejor rendimiento en el conjunto de validación.</li>
<li class="fragment">Entrenar el mejor modelo en el conjunto total de entrenamiento (incluyendo el conjunto de validación).</li>
<li class="fragment">Evaluar el modelo en el <i>test set</i> para estimar el error de generalización.</li></ul>
</section>
<section><h4>Selección de modelo, ajuste de hiperparámetros</h4>
<ul><li class="fragment">Si el conjuto de validación es muy pequeño: evaluación del modelo será imprecisa.</li>
<li class="fragment">Si el conjuto de validación es muy grande: conjunto de entrenamiento será muy pequeño.</li>
<li class="fragment">Se puede aliviar estos problemos con validación cruzada (<i>cross-validation</i>):</li>
<ul><li class="fragment">hay varios conjuntos pequeños de validación.</li>
<li class="fragment">El modelo está evaluado una vez por cada conjunto de validación, después de estar entrenado con el resto de los datos de entrenamiento.</li>
<li class="fragment">Se puede promediar los resultados de cada validación en el proceso de <i>cross-validation</i> para encontrar una medición del rendimiento del modelo.</li>
<li class="fragment">La desventaja: el tiempo de entrenamiento está multiplicado por el número de <i>validation sets</i>.</li></ul></ul>
</section>
<section><h4>No free lunch</h4>
<ul><li class="fragment">La elección de un modelo está basado en <b>suposiciones</b> sobre los datos.</li>
<li class="fragment">Por ejemplo, usando regresión lineal, suponemos que los datos son fundamentalmente lineales, y las desviaciones de linealidad viene de ruido que se puede ignorar.</li>
<li class="fragment">Se puede demostrar (Wolpert 1996) que, sin <b>ningúna</b> suposición sobre los datos, no hay motivo por preferir un modelo en vez de otro.</li>
<li class="fragment">¿Qué quiere decir eso? En algunos casos un modelo lineal es el mejor. En otros casos sería una red neuronal.</li>
<li class="fragment">El punto es que no podemos simplemente usar un modelo (por ejemplo una red neuronal) para <b>cualquier</b> conjunto de datos. Tenemos que evaluar los modelos, y decidir cuál es mejor.</li></ul>
</section>
</div>
</div>
<script>
require(
{
// it makes sense to wait a little bit when you are loading
// reveal from a cdn in a slow connection environment
waitSeconds: 15
},
[
"https://cdnjs.cloudflare.com/ajax/libs/reveal.js/3.5.0/lib/js/head.min.js",
"https://cdnjs.cloudflare.com/ajax/libs/reveal.js/3.5.0/js/reveal.js"
],
function(head, Reveal){
// Full list of configuration options available here: https://github.com/hakimel/reveal.js#configuration
Reveal.initialize({
controls: true,
progress: true,
history: true,
transition: "slide",
// Optional libraries used to extend on reveal.js
dependencies: [
{ src: "https://cdnjs.cloudflare.com/ajax/libs/reveal.js/3.5.0/plugin/highlight/highlight.js" }
]
});
var update = function(event){
if(MathJax.Hub.getAllJax(Reveal.getCurrentSlide())){
MathJax.Hub.Rerender(Reveal.getCurrentSlide());
}
};
Reveal.addEventListener('slidechanged', update);
function setScrollingSlide() {
var scroll = false
if (scroll === true) {
var h = $('.reveal').height() * 0.95;
$('section.present').find('section')
.filter(function() {
return $(this).height() > h;
})
.css('height', 'calc(95vh)')
.css('overflow-y', 'scroll')
.css('margin-top', '20px');
}
}
// check and set the scrolling slide every time the slide change
Reveal.addEventListener('slidechanged', setScrollingSlide);
}
);
</script>
</body>
</html>