Regresión lineal: Ajustar una línea recta (o hiperplano) a los datos para predecir un número continuo.
División entrenamiento/prueba/validación: Reservar datos con los que el modelo nunca entrena, para poder comprobar honestamente cómo se desempeña con ejemplos no vistos.
Árboles de decisión: Un modelo que predice haciendo una secuencia de preguntas de sí/no sobre la entrada, como un diagrama de flujo.
K vecinos más cercanos: Clasificar un punto nuevo observando cuáles son sus vecinos etiquetados más cercanos.
Naive Bayes: Un clasificador probabilístico que asume (ingenuamente) que cada característica es independiente de las demás dado la clase.
Ingeniería y escalado de características: Transformar datos crudos (escalando números, codificando categorías) en una forma que un modelo pueda aprender realmente bien.
Agrupamiento K-means: Agrupar puntos sin etiquetar en k grupos asignándolos repetidamente al centro más cercano y recalculando los centros.
Temas relacionados
Árboles de decisión: Un modelo que predice haciendo una secuencia de preguntas de sí/no sobre la entrada, como un diagrama de flujo.
K vecinos más cercanos: Clasificar un punto nuevo observando cuáles son sus vecinos etiquetados más cercanos.
Agrupamiento K-means: Agrupar puntos sin etiquetar en k grupos asignándolos repetidamente al centro más cercano y recalculando los centros.