Saltar la navegación

4.4. Modelos numéricos

Retor diceTrabajar con patrones numéricos es algo inevitable cuando se trabajo con algoritmos de Machine Learning. De hecho, cuando trabajamos con imágenes o textos, antes de ser introducidas como entradas del algoritmo, son convertidas (codificadas) a conjuntos numéricos, pues los algoritmos trabajan con modelos matemáticos.

La última versión de LearningML nos permite meter estos datos numéricos directamente lo cual puede ser útil en muchas ocasiones y nos permite comprender mejor cómo funcionan los algoritmos de cara al reto final.

1. Nuestra máquina con verdadera IA

En este punto vamos a retomar nuestra máquina que predice separaciones pero en esta ocasión vamos a realizarla con una verdadera IA utilizando LearningML.

Reconocimiento de números. Captura de pantalla del paso entrenar en LearningML

Como siempre procederemos a entrenar, aprender y probar nuestro modelo.

  1. Para entrenar  hay que seleccionar tres columnas de números:
    • (edad hombre, edad mujer, nº de hijos) --> 26,25,0
  2. Hay que crear solo dos categorías según si se separan o no:
    • no (separación)
    • si (separación)
  3. Ahora tenemos que introducir los datos correspondientes a cada categoría.
    • En este caso debemos introducir todos los datos de la tabla pues luego seleccionaremos el porcentaje para validación.
      Tabla de datos con la variables de edad del hombre, de la mujer, número de hijos y separación.
      Haz clic en la imagen para aumentarla.
      Haz clic aquí para descarar la hoja de cálculo.
  4. Llegado el momento de aprender:
    • Selecciona los parámetros adecuados para el aprendizaje.
    • Utiliza la matrix de confusión (números en la diagonal).
    • La gráfica de evolución del aprendizaje para obtener un modelo aceptable.
    • Recuerda que acc y val_acc deben converger hacia 1 en la parte superior de la gráfica.
    • loss y val_loss deben converger hacia 0 en la parte inferior de la gráfica.
  5.  Cuando tengas un modelo aceptable es el momento de probar con algunos valores.
  6. Si lo desear también puedes crear una pequeña aplicación con Scratch para utilizar el modelo.

Otro ejemplo de reconocimiento de números

En este vídeo puedes ver un ejemplo de trabajo con modelos numéricos de biología para la clasificación de plantas Iriscon con LearningML.


Recuerda que puedes activar los subtítulos si lo necesitas.

Motus dice ¡Magnífico! Ya sabes de que va todo esto

Ahora que acabas de explorar y trabajar con muchas de las aplicaciones de las redes neuronales,  es un buen momento para hacer balance en común con el resto de la clase. En este balance puedes hablar de lo que ha supuesto completar el primer tramo de tu camino, ya eres consciente de todo lo que has tenido que poner de tu parte para conseguirlo

No te diré que era algo fácil y que no requería mucho esfuerzo. Todo lo contrario, estoy seguro de que has tenido que sobreponerte a las dificultades y al desánimo, pero ¿sabes qué? Estoy orgulloso de que, a pesar de todo, hayas llegado hasta aquí. Ese es el gran logro, no te has rendido ni has sido cobarde ante las dificultades y ahora estás preparado para mirar hacia delante.

¡Sigue así! ¡Nunca te rindas!