Hoja de características de los algoritmos de Machine Learning para el diseñador de Azure Machine LearningMachine Learning Algorithm Cheat Sheet for Azure Machine Learning designer

La hoja de características de los algoritmos de Azure Machine Learning lo ayuda a elegir el algoritmo correcto para un modelo de análisis predictivo.The Azure Machine Learning Algorithm Cheat Sheet helps you choose the right algorithm from the designer for a predictive analytics model.

Azure Machine Learning tiene una gran biblioteca de algoritmos de las familias clasificación _, _sistemas de recomendación_, _agrupación en clústeres_, _detección de anomalías_, _regresión*_ y _ análisis de texto *.Azure Machine Learning has a large library of algorithms from the classification _, _recommender systems_, _clustering_, _anomaly detection_, _regression_, and _ text analytics families. Cada uno de ellos está diseñado para resolver un tipo de problema de aprendizaje automático diferente.Each is designed to address a different type of machine learning problem.

Para obtener instrucciones adicionales, consulte Selección de algoritmos.For additional guidance, see How to select algorithms

Descargar: Hoja de características de los algoritmos de Machine LearningDownload: Machine Learning Algorithm Cheat Sheet

Descargue aquí la hoja de referencia rápida: Hoja de referencia rápida de algoritmos de aprendizaje automático (11x17 in.)Download the cheat sheet here: Machine Learning Algorithm Cheat Sheet (11x17 in.)

Hoja de características de los algoritmos de Machine Learning: Aprenda a elegir un algoritmo de Machine Learning.

Descargue e imprima la hoja de referencia rápida de algoritmos de Machine Learning en tamaño tabloide para tenerlo a mano y que le sirva de ayuda al elegir un algoritmo.Download and print the Machine Learning Algorithm Cheat Sheet in tabloid size to keep it handy and get help choosing an algorithm.

Cómo usar la hoja de características de los algoritmos de Machine LearningHow to use the Machine Learning Algorithm Cheat Sheet

Las sugerencias ofrecidas en esta hoja de referencia rápida de algoritmos son reglas generales aproximadas.The suggestions offered in this algorithm cheat sheet are approximate rules-of-thumb. Algunas se pueden ignorar y otras se pueden infringir de forma fragante.Some can be bent, and some can be flagrantly violated. Esta hoja de referencia rápida tiene como finalidad sugerir un punto de partida.This cheat sheet is intended to suggest a starting point. No tema ejecutar una competición directa entre varios algoritmos en sus datos.Don’t be afraid to run a head-to-head competition between several algorithms on your data. Realmente no hay sustituto para comprender los principios de cada algoritmo y el sistema que generó los datos.There is simply no substitute for understanding the principles of each algorithm and the system that generated your data.

Cada algoritmo de aprendizaje automático tiene su propio estilo o sesgo inductivo.Every machine learning algorithm has its own style or inductive bias. Para un problema específico, varios algoritmos pueden ser apropiados y un algoritmo puede servir mejor que otros.For a specific problem, several algorithms may be appropriate, and one algorithm may be a better fit than others. Pero no siempre es posible saber de antemano cuál es la mejor opción.But it's not always possible to know beforehand which is the best fit. En estos casos, varios algoritmos se muestran juntos en la hoja de referencia rápida.In cases like these, several algorithms are listed together in the cheat sheet. Una estrategia adecuada sería probar un algoritmo y, si los resultados no resultan satisfactorios, probar los demás.An appropriate strategy would be to try one algorithm, and if the results are not yet satisfactory, try the others.

Para más información sobre los algoritmos del diseñador de Azure Machine Learning, vaya a la referencia de módulo y algoritmo.To learn more about the algorithms in Azure Machine Learning designer, go to the Algorithm and module reference.

Variantes del aprendizaje automáticoKinds of machine learning

Existen tres categorías principales de aprendizaje automático: aprendizaje supervisado, aprendizaje sin supervisar y aprendizaje de refuerzo.There are three main categories of machine learning: supervised learning, unsupervised learning, and reinforcement learning.

Aprendizaje supervisadoSupervised learning

En el aprendizaje supervisado, cada punto de datos se etiqueta o asocia con una categoría o valor de interés.In supervised learning, each data point is labeled or associated with a category or value of interest. Un ejemplo de una etiqueta de categoría es asignar una imagen como un 'gato' o 'perro'.An example of a categorical label is assigning an image as either a ‘cat’ or a ‘dog’. Un ejemplo de una etiqueta de valor es el precio de venta asociado a un coche usado.An example of a value label is the sale price associated with a used car. El objetivo del aprendizaje supervisado es estudiar muchos ejemplos etiquetados como los anteriores y, luego, poder realizar predicciones sobre los puntos de datos futuros.The goal of supervised learning is to study many labeled examples like these, and then to be able to make predictions about future data points. Por ejemplo, identificar nuevas fotografías con el animal correcto o asignar precios de venta precisos a otros coches usados.For example, identifying new photos with the correct animal or assigning accurate sale prices to other used cars. Este es un tipo conocido y útil del aprendizaje automático.This is a popular and useful type of machine learning.

Aprendizaje sin supervisiónUnsupervised learning

En el aprendizaje sin supervisar, los puntos de datos no tienen etiquetas asociadas a ellos.In unsupervised learning, data points have no labels associated with them. En su lugar, el objetivo de un algoritmo de aprendizaje sin supervisar es organizar los datos de alguna manera o describir su estructura.Instead, the goal of an unsupervised learning algorithm is to organize the data in some way or to describe its structure. El aprendizaje sin supervisar agrupa los datos en clústeres, al igual que K-means, o busca diferentes maneras de examinar datos complejos para que parezcan más simples.Unsupervised learning groups data into clusters, as K-means does, or finds different ways of looking at complex data so that it appears simpler.

Aprendizaje de refuerzoReinforcement learning

En el aprendizaje de refuerzo, el algoritmo elige una acción en respuesta a cada punto de datos.In reinforcement learning, the algorithm gets to choose an action in response to each data point. Se trata de un enfoque común en robótica, donde el conjunto de lecturas del sensor en un punto en el tiempo es un punto de datos, y el algoritmo debe elegir la siguiente acción del robot.It is a common approach in robotics, where the set of sensor readings at one point in time is a data point, and the algorithm must choose the robot’s next action. También resulta perfecto para las aplicaciones de Internet de las cosas.It's also a natural fit for Internet of Things applications. El algoritmo de aprendizaje también recibe una señal de recompensa un poco más adelante, que indica cómo de buena fue la decisión.The learning algorithm also receives a reward signal a short time later, indicating how good the decision was. Según esta señal, el algoritmo modifica su estrategia para lograr la mayor recompensa.Based on this signal, the algorithm modifies its strategy in order to achieve the highest reward.

Pasos siguientesNext steps