====== Machine Learning ======

También conocido como **aprendizaje automático**, es una disciplina que estudia y desarrolla algoritmos para aprender de la información o hacer predicciones sobre la información.

Ejemplos de posibles aplicaciones:

  * Decidir si un e-mail entrante es spam o no.
  * Analizar transacciones bancarias para identificar intentos de fraude.

===== Tipos de aprendizaje =====

==== Aprendizaje supervisado ====

A partir de un conjunto de datos ya etiquetados, el algoritmos predice la etiqueta que le corresponderá a la nueva información que no es conocida previamente.

Por ejemplo, en la detección de spam, se podría entrenar un algoritmo con mails etiquetados como spam o no spam y que sea capaz de identificar si los nuevos e-mails corresponderá a spam o no spam.

==== Aprendizaje no supervisado ====

A partir de un conjunto de datos sin clasificar/etiquetar, el algoritmo encuentra la estructura escondida en los datos.
===== Terminología =====

  * **Sample** (muestra): representación del objeto a tratar (email, transacción, conductores...)
  * **Feature**: características de la muestra (edad, sexo del conductor...)
  * **Label** / **target**: resultado deseado (//ground truth//) asociado con la muestra de entrada (spam o no spam, sobrevivió o no sobrevivió)
  * **Training data**: conjunto de pares (muestra, etiqueta) utilizados para entrenar el modelo.
  * **Test data**: conjunto de muestras usado para realizar predicciones.

===== Evaluación =====

Matriz de confusión.

Métricas:

  * Acierto: (#TP + #TN) / total
  * Precisión: #TP / (#TP + #FP)
  * Recall: #TP / (#TP + #FN)

La **precisión** nos indica cuánto de lo que hemos predicho es correcto y **recall** cuánto de lo que es correcto, lo ha predicho el algoritmo.

En Python el módulo ''scikit-learn'' es muy usado para trabajar con aprendizaje supervisado. Ejemplo: https://github.com/bonzanini/VideoCourse-DataAnalysisPython/blob/master/notebooks/Video%204.3%20-%20Supervised%20Learning%20with%20scikit-learn.ipynb