Machine Learning ? y su aplicación real

Dependiendo de los datos que tengamos, el aprendizaje se realizará de un modo u otro. Entre los diferentes tipos de aprendizaje en Machine Learning podemos encontrar:

• Supervisado: La información de entrenamiento es completa, es decir, tenemos los datos de entrada y la salida de estos. Es el tipo de aprendizaje que mejores resultados ofrece, ya que es el que más información posee.

• No supervisado: Únicamente se disponen de los datos de entrada y tiene como objetivo el obtener la información de salida, de la que no tiene ningún dato.

• Semi-supervisado: Híbrido entre el aprendizaje supervisado y no supervisado.

• Adaptativo: Se parte de un modelo previo cuyos parámetros se modifican o adaptan usando los nuevos datos de entrenamiento.

• On-line: El sistema aprende mediante el propio proceso de predicción en el que hay una supervisión humana que consiste en validar o corregir cada salida en función de la entrada.

• Por refuerzo: Híbrido entre el aprendizaje on-line y el aprendizaje semi-supervisado. Se basa en el argumentum ad baculum, utilizado normalmente en la educación de los animales ?.