Entrena al clasificador con ejemplos, no reglas.
Una lección de 10 minutos: de qué se alimenta el aprendizaje automático, cómo funcionan señales y etiquetas, y un taller El Entrenador para etiquetar correos reales.
Cómo funciona el aprendizaje automático, qué le enseñas con ejemplos y señales, y por qué las etiquetas lo son todo.
El caso
Un clasificador no entiende tu bandeja: aprende de los ejemplos que le etiquetas. Etiqueta bien, y decide bien.
En 10 minutos entrenarás un clasificador de correos: de qué se alimenta, cómo suma señales, y por qué unos ejemplos valen más que mil reglas escritas a mano.
Lo que aprenderás
- Explicar qué aprende un clasificador durante el entrenamiento
- Distinguir ejemplos, señales y etiquetas
- Detectar la trampa de más datos con etiquetas malas
La receta del entrenador
Ejemplos + señales + etiqueta. Con esas tres, un clasificador generaliza y acierta lo que jamás vio.
Ejemplos
Casos ya resueltos que enseñan.
Señales
Los rasgos que aprende a mirar.
Etiqueta
La decisión que sale al clasificar.
Trampa
Más datos no arreglan etiquetas flojas.
Preguntas frecuentes
¿El clasificador entiende lo que significa un correo?
No: suma señales y elige la etiqueta que pasa el umbral. Compara patrones; no comprende.
¿Más ejemplos de entrenamiento siempre es mejor?
Solo si las etiquetas son correctas: más datos mal etiquetados amplifican el error con confianza.
Ponte a prueba: Prueba relámpago: ¿etiqueta o adivina?
¿Qué aprende un clasificador durante el entrenamiento?
Respuesta correcta: A mirar señales a partir de ejemplos ya etiquetados.
Con etiquetas limpias aprende qué señales importan y generaliza: acierta casos que nunca vio.
Entrenas con dos correos y falla con todo lo nuevo. ¿Qué falta?
Respuesta correcta: Ejemplos: tiene muy poco material para aprender.
Dos ejemplos no dejan ver qué señales importan. Con más casos variados y bien etiquetados, generaliza mejor.
Añades 100.000 correos mal etiquetados. ¿Qué pasa?
Respuesta correcta: Amplifica el error: aprende señales equivocadas con confianza.
Los datos no arreglan etiquetas flojas: más basura entrenada da un clasificador muy seguro de equivocarse.
La regla de bolsillo — Ejemplos (qué le muestras) + señales (a qué atiende) + etiqueta (qué decide). Más datos no arreglan una etiqueta floja.
Lo que te llevas
Entrenar un clasificador con ejemplos etiquetados y detectar cuándo fallan los datos o las señales.