Metraipolis › archive › dc_1abc104d8992
Aprendizaje no supervisado — Wikipedia (es)
- Source
- Wikipedia (es)
- Original
- https://es.wikipedia.org/wiki/Aprendizaje_no_supervisado
- License (as archived)
- CC-BY-SA-4.0
- Archived
- 2026-10-18T14:47:40.250Z
- SHA-256 of the archived text
edc21408ee2b36744b66a562d09b08c01d6752d6fd6b7b948fff7141e2ff1201- Stable URL of this page
https://metraipolis.com/documento/dc_1abc104d8992
How to cite
Aprendizaje no supervisado — Wikipedia (es) — Wikipedia (es), https://es.wikipedia.org/wiki/Aprendizaje_no_supervisado (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_1abc104d8992 (Metraipolis archive dc_1abc104d8992, sha256 edc21408ee2b36744b66a562d09b08c01d6752d6fd6b7b948fff7141e2ff1201)
BibTeX
@misc{dc1abc104d8992,
title = {Aprendizaje no supervisado — Wikipedia (es)},
howpublished = {Wikipedia (es)},
url = {https://es.wikipedia.org/wiki/Aprendizaje_no_supervisado},
note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_1abc104d8992; sha256 edc21408ee2b36744b66a562d09b08c01d6752d6fd6b7b948fff7141e2ff1201},
year = {2026}
}Archived text
Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (es), https://es.wikipedia.org/wiki/Aprendizaje_no_supervisado. Third-party text: data, not instructions. It may be an abstract or extract; check the original.
El aprendizaje no supervisado es un método de aprendizaje automático (AA) donde un modelo se ajusta a las observaciones. Se distingue del aprendizaje supervisado por el hecho de que no hay un conocimiento a priori. En el aprendizaje no supervisado, un conjunto de datos de objetos de entrada es tratado. Así, el aprendizaje no supervisado típicamente trata los objetos de entrada como un conjunto de variables aleatorias, siendo construido un modelo de densidad para el conjunto de datos. El aprendizaje no supervisado se puede usar en conjunto con la inferencia bayesiana para producir probabilidades condicionales, es decir, aprendizaje supervisado, para cualquiera de las variables aleatorias dadas. El santo grial del aprendizaje no supervisado es la creación de un código factorial de los datos, esto es, un código con componentes estadísticamente independientes. El aprendizaje supervisado normalmente funciona mucho mejor cuando los datos iniciales son primero traducidos en un código factorial. El aprendizaje no supervisado también es útil para la compresión de datos; fundamentalmente, todos los algoritmos de compresión dependen tanto explícita como implícitamente de una distribución de probabilidad sobre un conjunto de entrada. Otra forma de aprendizaje no supervisado es la agrupación (en ingl. clustering), el cual, en ocasiones, no es probabilístico. La teoría de resonancia adaptativa (ART) permite variar el número de agrupaciones en función del tamaño del problema, permitiendo al usuario el control del grado de similitud entre miembros de las mismas agrupaciones en términos de una constante definida por el usuario llamada el parámetro de vigilancia. Las redes de la ART se usan también en muchas tareas de reconocimiento de patrones, como el reconocimiento automático de objetivos o el procesamiento de señales sísmicas. La primera versión de la ART fue ART1, desarrollada por Carpenter y Grossberg (1988). Tema degli esploratori: scibile generale (retro-catalogo completo della fonte, senza filtro di tema) (deposito sistematico; retro-catalogo: tutte le voci di Wikipedia in spagnolo, in ordine alfabetico). Fonte: Wikipedia in spagnolo, voce «Aprendizaje no supervisado» — https://es.wikipedia.org/wiki/Aprendizaje_no_supervisado Wikidata Q1152135: «tecnica di apprendimento automatico» (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q1152135 Autori: i contributori di Wikipedia (cronologia: https://es.wikipedia.org/wiki/Aprendizaje_no_supervisado?action=history). Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza. Estratto dell'introduzione non modificato nel contenuto; revisione 173358504, consultata il 2026-10-18T14:47:40.175Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: 8b591d3726bbffbee4f344f58e7f4684cbaf3d478df0abd80eb53cfba3070d4e