Clasificación Binaria

Es un tipo de aprendizaje supervisado en el que se asignan categorías discretas a las observaciones. Predice si una observación pertenece a dos clases: positiva/negativa.

Dados $n$ pares de entrenamiento $\{(x_i, t_i)\}^n_{i=1} = \{ (x_1, t_1), \ldots, (x_n, t_n) \}$ necesitamos una función:

f(x_i) = \begin{cases} y_i = +1 , \geq 0 y_i = -1 , < 0 \end{cases}

Una clasificación correcta es el producto de la etiqueta verdadera y la función de predicción mayor a $0$ : $y_if(x_i) > 0$

Separabilidad lineal

Un conjunto es linealmente separable si podemos trazar una linea o un hiperplano que separe datos de una categoría de otra.

Algoritmo del perceptrón

Es un algoritmo que encuentra un hiperplano de separación si los datos son linealmente separables.