Revolución IA

La Inteligencia Artificial está llamada a protagonizar la próxima Revolución tecnológica

Inicio Sobre Revolucionia Temas Para saber más Contacto

Ejemplo de clasificación con un perceptrón (I)

Fernando P.    09/09/2017

Temas:  Aplicaciones    Fundamentos

A lo largo de varios artículos, hemos tratado el concepto de clasificador y hemos visto una introducción al entrenamiento de clasificadores mediante aprendizaje supervisado.

La teoría es importante, pero siempre conviene ver ejemplos de cómo funcionan las cosas para terminar de entender los conceptos estudiados. Con esta idea, presentamos aquí un ejemplo extremadamente sencillo de un problema real.

Es importante notar que se trata de un problema muy sencillo, perfectamente resoluble fuera de las técnicas habituales de Inteligencia Artificial. Pero lo vamos a resolver usando técnicas de Inteligencia Artificial para entender bien cómo operan estas técnicas, apoyándonos en la simplicidad del problema.

La resolución del problema se extenderá a lo largo de tres artículos. En este primer artículo sólo se va a plantear el problema.

Un problema de clasificación real Clientes buenos y malos
En nuestro ejemplo, tenemos una empresa que mantiene una base de datos de clientes bastante extensa con información relevante sobre cada cliente.

El problema de la empresa es seleccionar un conjunto de clientes adecuados sobre los que realizar cierta campaña de promoción.

El coste de la campaña es proprcional al número de clientes a los que va dirigida, así que interesa centrarse en los clientes adecuados.

¿ Qué clientes vamos a considerar como adecuados ?

Pues, básicamente, deseamos seleccionar clientes que hayan comprado bastante o que hayan comprado poco pero que no se hayan dedicado a hacer muchas consultas, no queremos seleccionar a clientes que den mucho trabajo para pocas ventas.

Supongamos que en nuestra base de datos de clientes tenemos los siguientes datos para cada cliente:

En este caso tan sencillo podemos tratar de buscar algún tipo de fórmula que relacione ventas y consultas para identificar a los clientes que nos interesan. Pero en una aplicación más compleja habría muchas más variables y no resultaría sencillo.

Clientes prototipo
Lo que vamos a hacer es extraer una lista pequeña de clientes al azar y los vamos a clasificar manualmente en dos clases a partir de sus datos de ventas y consultas. Las clases resultantes de clientes serán:

Gráfico ventas / consultas Tenemos esta lista de clientes, que contiene 35 clientes, en una tabla que contiene los clientes por filas y para cada cliente tenemos 5 variables en columnas:

La tabla con los datos puede descargarse aquí, Los datos están representados en el gráfico adjunto,en color rojo para la clase 1 y en azul para la clase 2.

Construcción del clasificador
La última columna de la tabla de datos divide los clientes en dos grupos, unos será usados exclusivamente para entrenar el clasificador y el resto serán usados para comprobar si el clasificador funciona bien una vez entrenado.

A partir de estos clientes prototipo vamos a construir un clasificador usando aprendizaje supervisado, que esperemos que sea capaz de generalizar lo suficiente para que posteriormente nos ayude a clasificar automáticamente todos los demás clientes de la empresa.

Nuestro clasificador se va a construir usando un simple perceptrón, que es la unidad más sencilla que integra una red neuronal artificial. Ya estudiamos en un artículo anterior el concepto de perceptrón, que describíamos como una especie de neurona artificial.

Naturalmente, un clasificador tan simple tiene unas posibilidades muy limitadas, pero son adecuadas para el ejemplo tan sencillo que planteamos en este artículo. Los clasificadores basados en estructuras más complejas son mucho más difíciles de entender, a menudo no hay forma de entender cómo operan internamente.

A pesar de la simplicidad planteada aquí, no hay mucha pérdida de generalidad respecto a problemas mucho más complejos en lo que a la cuestión de aprendizaje automático respecta.


En el próximo artículo plantearemos la estructura precisa del clasificador que necesitamos construir para resolver el problema de ejemplo aquí planteado.


Para saber más:

Página de la Wikipedia en la que trata sobre el concepto general de aprendizaje supervisado, que es el paradigma básico que se usará para construir el clasificador en nuestro problema de ejemplo.

El aprendizaje supervisado es una forma de aprendizaje automático o machine learning, que engloba otros mecanismos de aprendizaje por la vía de la generalización.

Un perceptrón es una simplificación lógica de la funcionalidad de una neurona biológica. También es la unidad más pequeña de una red neuronal artificial.

Las redes neuronales artificiales son una forma de definir familias de aplicaciones muy flexibles, con un gran número de parámetros que pueden entrenarse con relativa facilidad usando aprendizaje supervisado. Básicamente, son agrupaciones de perceptrones.



 

Inicio Powered by NetBSD
 
HTML5
 
En general, todo el contenido de este sitio web es original, salvo referencias o enlaces a otros sitios web y citas o reproducciones expresamente presentadas como tales.

No está permitida la reproducción ni la copia del contenido de este sitio web sin el permiso expreso de la propiedad del mismo.

Este sitio web no utiliza cookies ni ningún otro mecanismo para almacenar información en los navegadores de los visitantes ni para realizar seguimiento de los mismos.

2017,2018 Revolucionia.net
Sobre Revolucionia
Temas
Para saber más
Contacto