• Saltar a la navegación principal
  • Saltar al contenido principal
  • Saltar a la barra lateral principal
  • Saltar a la barra lateral secundaria
  • Saltar al pie de página
Logo Economipedia Crema

Economipedia

Haciendo fácil la economía

Registro
  • Precios
  • El Campus
  • Mi Campus
  • Programas
  • Cursos
  • Recursos gratuitos
    • El Diccionario
    • Educación financiera
    • Inversión en bolsa
    • Guías
    • Actualidad
    • Rankings
  • Más resultados...

    Generic selectors
    Exact matches only
    Search in title
    Search in content
    Post Type Selectors
    Search in posts
    Search in pages

Aprendizaje no supervisado

Redactado por: Myriam Quiroa
Revisado por: José Antonio Ludeña
Actualizado el 8 junio 2023

Tabla de contenidos

  • Definición técnica
  • ¿Cómo funciona el proceso del aprendizaje no supervisado?
  • Características del aprendizaje supervisado
  • Tipos de aprendizaje supervisado
  •  Ejemplos de aplicaciones reales del aprendizaje no supervisado
  • Importancia del aprendizaje no supervisado
  • Ventajas del aprendizaje no supervisado
  • Desventajas del aprendizaje no supervisado
  • Conclusión

El aprendizaje no supervisado es un método de aprendizaje de inteligencia artificial que consiste en dejar que la máquina aprenda sin proporcionarle datos etiquetados o indicaciones.

Es decir, que la máquina es capaz de aprender a partir de un conjunto de datos no etiquetados. Por esa razón, pueden aprender sin supervisión. La máquina obtiene datos de entrada no etiquetados, pero no cuenta con datos de salida. Por eso, la máquina tiene que lograr encontrar la estructura oculta de los datos. Luego, deberá agrupar o clasificar según sus características semejantes.

Naturalmente, en esta forma de aprendizaje lo que se persigue es que la máquina logre descubrir la estructura de los datos. Para que, posteriormente, intente encontrar una nueva organización de los datos que le permita simplificar el proceso de análisis.

En efecto, el objetivo que se pretende alcanzar es que la máquina aumente el conocimiento estructural de los datos que tiene disponibles y de los datos futuros de un mismo fenómeno. Por ello, la máquina logra clasificar según similitudes. La máquina finalmente logra el procesamiento de una gran cantidad de datos de una forma efectiva y sin supervisión alguna.

Aprendizaje No Supervisado 1 1
Aprendizaje no supervisado
¿Qué es el aprendizaje no supervisado?

¿Cómo funciona el proceso del aprendizaje no supervisado?

En general, en el aprendizaje no supervisado no se tiene ninguna categorización o datos etiquetados. Debido a ello, la máquina no llega a tener un concepto de algo. Pero, sí puede hacer agrupaciones según tamaños, colores, formas y diferencias. Lo que le permite encontrar estructuras y patrones en los datos no etiquetados.

Sin duda, en este aprendizaje no existe una ruta de lo correcto o incorrecto y tampoco existe un guía. Por lo tanto, no existe ningún resultado, por ello la máquina es la que realiza el análisis puro de todos los datos. Se reciben datos sin etiquetar, no hay categorías, ni características para indicar una salida. Estos datos sirven para sustentar y entrenar el modelo de aprendizaje automático.

Los pasos del proceso son:

  • El sistema interpreta los datos sin etiquetar, para identificar los patrones de organización que se encuentran ocultos.
  • Encuentra los patrones ocultos, los cuales se fundamentan especialmente en las diferencias y las semejanzas encontradas.
  • Finalmente, la máquina aplica los algoritmos correspondientes para dividir o segmentar en grupos de acuerdo con las semejanzas y diferencias encontradas entre ellos.
Aprendizaje No Supervisado 2 2
Aprendizaje no supervisado
Pasos del proceso de aprendizaje no supervisado

Características del aprendizaje supervisado

Entre las principales características del aprendizaje no supervisado encontramos:

  • La máquina maneja datos sin un entrenamiento anterior, entrena con los datos que tiene disponibles.
  • Deja que la máquina resuelva los problemas según su propio criterio.
  • Los algoritmos usados funcionan con datos que no están etiquetados.
  • La máquina debe explorar todos los datos.
  • Los resultados son desconocidos, por ello la salida o el resultado lo define la máquina durante el proceso.
Aprendizaje No Supervisado 3
Aprendizaje no supervisado

Tipos de aprendizaje supervisado

Los principales tipos de aprendizaje no supervisado son:

1. Por agrupamiento

Efectivamente, el aprendizaje no supervisado por agrupamiento es un método que permite reunir varios objetos considerando sus similitudes. Por lo tanto, para agrupar la máquina utiliza conglomerados.

De acuerdo con los puntos en común que encuentra en el conjunto de datos, para finalmente clasificarlos según la existencia o la inexistencia de esas características comunes. En otras palabras, lo que se busca es encontrar un patrón o una estructura frecuente en la serie de datos no organizados.

Algunos de los tipos de agrupamiento que se pueden emplear son:

  • Exclusivo: El método de agrupamiento exclusivo se realiza cuando un solo dato pertenece a un determinado grupo o clúster. Por lo tanto, no podrá ser incluido en otro grupo.
  • Por aglomeración jerarquía: En este método cada dato es un clúster, por lo que se llevan a cabo uniones interactivas entre los grupos cercanos, para disminuir el número de grupos. Luego de varias interacciones se logra obtener el número de grupos deseados.
  • Por solapamiento o por superposición: Aquí se emplean conjuntos difusos para lograr la agrupación de los datos. Cada uno de los puntos podrá pertenecer a dos o más grupos con diferente nombre. Los datos se agrupan con un valor de nombre apropiado.
  • Probabilístico: Este método utiliza la distribución de probabilidad para formar los grupos.

2. Aprendizaje no supervisado por asociación

Por otra parte, este tipo de aprendizaje detecta asociaciones entre una serie de datos. Permitiendo detectar algunas relaciones entre variables que ocurren de manera conjunta. Para ejemplificar este tipo de relación, podría ser si una persona compra café y conjuntamente compra azúcar. O bien, una persona que compra un celular y conjuntamente compra un estuche. Por ello, permite establecer asociaciones interesantes entre una gran base de datos.

 Ejemplos de aplicaciones reales del aprendizaje no supervisado

Entre las aplicaciones más comunes del aprendizaje no supervisado encontramos:

  • En biología: Para realizar clasificaciones de plantas y animales de acuerdo con sus características.
  • En seguridad: Para identificar posibles fraudes o engaños.
  • En marketing: Para determinar grupos de clientes con un comportamiento similar, de acuerdo con una extensa base de datos.
  • En sismología: Para ubicar epicentros de terremotos y localizar zonas de alta peligrosidad sísmica.

Importancia del aprendizaje no supervisado

El aprendizaje no supervisado es muy importante porque:

  • La máquina alcanza la capacidad de resolver problemas que para los seres humanos resultan insuperables. Debido a la capacidad limitada de la inteligencia humana o el sesgo de la conducta del hombre.
  • Este tipo de aprendizaje resulta idóneo para poder explorar un conjunto de datos no procesados y desconocidos.
  • La máquina no sabe lo que está buscando, por ello trata de encontrar similitudes entre los datos y los agrupa de acuerdo con sus propias etiquetas.
  • Intenta descubrir patrones desconocidos en los datos.
  • Los algoritmos empleados dividen a las personas en grupos y no como personas individuales.
  • Nunca se sabe con exactitud el resultado del modelo predictivo, por esa razón se adapta mejor a la realidad.
  • Su aplicación y sus resultados son más convenientes cuando no se cuenta con datos sobre los resultados esperados.

Ventajas del aprendizaje no supervisado

El uso del aprendizaje no supervisado tiene las siguientes ventajas:

  • Se aplica en la resolución de tareas más complejas. Porque no se cuenta con datos etiquetados como sucede con el aprendizaje supervisado.
  • Cuenta con más cantidad de datos. Porque es más fácil que se puedan obtener datos no etiquetados, en comparación con los datos etiquetados que se proveen en el aprendizaje supervisado.

Desventajas del aprendizaje no supervisado

El uso del aprendizaje no supervisado tiene las siguientes desventajas:

  • Resulta ser más complejo que el aprendizaje supervisado. Debido a que, no se conoce cuál es el resultado esperado.
  • Los resultados obtenidos son menos precisos. Dado que, no se cuenta con datos de entrada etiquetados y como consecuencia no se conoce previamente un algoritmo de salida que resulte correcto o acertado.

Conclusión

En conclusión, se puede afirmar que en el aprendizaje no supervisado las máquinas trabajan con datos sin recibir un entrenamiento previo. Resultando un tipo de aprendizaje automático donde la máquina o el sistema aprende a partir de una serie de datos sin etiquetar, que el sistema tiene que entender por sí solo.

Por esa razón, esto les permite actuar sin supervisión. Sin duda, el propósito es lograr que se exploren los datos. Puesto que, los resultados son desconocidos y se van definiendo durante el proceso.

  • Diccionario económico
  • Tecnología

Accede gratis al mini-Curso “Cómo alcanzar tus metas financieras”

Únete a más de 130.000 personas en nuestra newsletter para recibir el mini-Curso. Aprenderás los primeros pasos hacia una vida económica más próspera.

¿Quieres referenciar este artículo?

Myriam Quiroa, 08 de junio, 2023
Aprendizaje no supervisado. Economipedia.com

Artículos recomendados

  • Sesgo de confirmación
  • Clase alta
  • Polygon (MATIC)
  • Primera Internacional
  • Price elasticity of demand
  • Compensación laboral
  • guest
    guest
    0 Comentarios
    Feedbacks
    Ver comentarios

    Barra lateral principal

    Cursos más vistos

    1
    Curso de ahorro y finanzas personales
    2
    Curso básico de inversión en bolsa
    3
    Curso de política monetaria y fiscal: las claves de la economía
    4
    Curso de sistema financiero, mercados y operativa en bolsa
    5
    Curso básico de análisis fundamental. ¿Cuánto vale una empresa?
    Broker de bolsa XTB

    Guías más leídas

  • ¿cómo Hacer Un Informe Paso A Paso?
    ¿Cómo hacer un informe paso a paso?
  • Metaverso
    Algo pasa con el Metaverso: Todo lo que quieres saber y no te atreves a preguntar
  • IRPF
    ¿Qué porcentaje de IRPF me corresponde en mi nómina de España?
  • Lo más leído del mes

  • Campañas Publicitarias Desastrosas
    ¿Cuáles han sido las campañas publicitarias más desastrosas?
  • Excited Couple Ecstatic By Online Win Looking At Laptop Screen
    El factor irracional en la economía
  • Tasa de ahorro España
    ¿Es mejor una economía de consumo o de ahorro?
  • Barra lateral secundaria

    Índice

    • Definición técnica
    • ¿Cómo funciona el proceso del aprendizaje no supervisado?
    • Características del aprendizaje supervisado
    • Tipos de aprendizaje supervisado
    •  Ejemplos de aplicaciones reales del aprendizaje no supervisado
    • Importancia del aprendizaje no supervisado
    • Ventajas del aprendizaje no supervisado
    • Desventajas del aprendizaje no supervisado
    • Conclusión

    Footer

    Diccionario económico

    • Diccionario económico
    • Definiciones de Economía
    • Definiciones de Microeconomía
    • Definiciones de Macroeconomía
    • Definiciones de Finanzas

    Contenidos de economía

    • Programas
    • Cursos de economía
    • Recursos gratuitos
    • Guías
    • Fuentes

    Sobre nosotros

    • ¿Qué es economipedia?
    • ¿Quiénes somos?
    • El equipo
    • Empleo
    • Ayuda
    • Contacto
    Si quieres colaborar con nosotros o hacernos llegar cualquier sugerencia, puedes contactar a través de nuestro formulario de contacto.

    Síguenos en redes sociales:
    Logo Economipedia

    Síguenos en redes sociales

    • Icono Facebook
    • Icono LinkedIn
    • Icono Twitter
    • Icono YouTube
    • Icono Instagram
    • Ayuda
    • Aviso legal
    • Cookies
    • Privacidad
    • Términos y condiciones

    Copyright © 2023 Economipedia

    wpDiscuz