Un tutorial sobre aprendizaje estadístico para el procesamiento de datos científicos

Aprendizaje estadístico

El aprendizaje automático es una técnica con una importancia creciente, ya que el tamaño de los conjuntos de datos a los que se enfrentan las ciencias experimentales está aumentando rápidamente. Los problemas que aborda van desde la construcción de una función de predicción que vincule diferentes observaciones, hasta la clasificación de observaciones o el aprendizaje de la estructura en un conjunto de datos sin etiquetar.

Este tutorial explorará el aprendizaje estadístico, el uso de técnicas de aprendizaje automático con el objetivo de la inferencia estadística: sacar conclusiones sobre los datos en cuestión.

Scikit-learn es un módulo de Python que integra algoritmos clásicos de aprendizaje automático en el estrecho mundo de los paquetes científicos de Python (NumPy, SciPy, matplotlib).

• Aprendizaje estadístico: la configuración y el objeto estimador en scikit-learn
  • Conjuntos de datos
  • Objetos estimadores
• Aprendizaje supervisado: predicción de una variable de salida a partir de observaciones de alta dimensión
  • El vecino más cercano y la maldición de la dimensionalidad
  • Modelo lineal: de la regresión a la dispersión
  • Máquinas de vectores de soporte (SVM)
• Selección de modelos: elección de estimadores y sus parámetros
  • Puntuación, y puntuaciones validadas de forma cruzada
  • Generadores de validación cruzada
  • Búsqueda en cuadrícula y estimadores de validación cruzada
• Aprendizaje no supervisado: búsqueda de representaciones de los datos
  • Conglomerado: grupo de observaciones
  • Descomposiciones: de nombres de etiquetas a componentes y cargas
• Recapitulemos
  • Pipelining
  • Reconocimiento de caras con eigenfaces
  • Problema abierto: Estructura del mercado de valores