Advanced Tech Computing Group UTPL

Dentro del aprendizaje automático, encontremos técnicas de clasificación que nos permiten agrupar muestras de acuerdo a criterios o métodos, estas técnicas son la clasificación supervisada y la no supervisada.

El objetivo de la clasificación dentro del aprendizaje automático consiste en la asignación de un objeto o un fenómeno físico a una de las diversas categorías o clases especificadas (se hace referencia a clase como una agrupación de objetos que tiene características comunes, o mejor dicho como un sinónimo de categoría). La clasificación es una técnica muy útil, usada en diversos campos como el de reconocimiento de patrones.

Clasificación supervisada

Este tipo de clasificación cuenta con un conocimiento a priori, es decir para la tarea de clasificar un objeto dentro de una categoría o clase contamos con modelos ya clasificados (objetos agrupados que tienen características comunes). Podemos diferenciar dos fases dentro de este tipo de clasificación [1]:

La primera fase tenemos un conjunto de entrenamiento o de aprendizaje (para el diseño del clasificador) y otro llamado de test o de validación (para clasificación), estos nos servirán para construir un modelo o regla general para la clasificación.

En la segunda fase es el proceso en sí de clasificar los objetos o muestras de las que se desconoce la clase a las que pertenecen.

Ejemplos de clasificación supervisada son: el diagnóstico de enfermedades, predicción de quiebra o bancarrota en empresas, reconocimiento de caracteres escritos a mano, en la minería de datos, etc. Entre las técnicas dentro del grupo de clasificación supervisada se encuentran los algoritmos de clasificación por vecindad.

Clasificación no supervisada

A diferencia de la supervisada no contamos con conocimiento a priori, por lo que tendremos un área de entrenamiento disponible [2] para la tarea de clasificación. A la clasificación no supervisada se la suele llamar también clustering.

En este tipo de clasificación contamos con “objetos” o muestras que tiene un conjunto de características, de las que no sabemos a que clase o categoría pertenece[3], entonces la finalidad es el descubrimiento de grupos de “objetos” cuyas características afines nos permitan separar las diferentes clases.

[1] http://www.ica.luz.ve/~cstufano/CursoMetEst/Clasificacion%20no%20Supervisada.pdf
[2] Reconocimiento de Patrones
[3] Aprendizaje Automático: conceptos básicos y avanzados (2006), Basilio Sierra Araujo.