Programando un Perceptron en Python

Si estás acá, estás dando un importante primer paso en entender los múltiples algoritmos de machine learning. En este artículo revisaremos cómo funciona un perceptron e implementaremos un ejemplo en python usando el conocido dataset Iris.

El perceptron

El Perceptron simple, también conocido una red neuronal de una sola capa (Single-Layer Neural Network), es un algoritmo de clasificación binaria creado por Frank Rosenblatt a partir del modelo neuronal de Warren McCulloch y Walter Pitts desarrollado en 1943.

La idea tras la Neurona MCP y el Perceptron con umbral de Rosenblatt es usar un enfoque simple para simular el funcionamiento de una neurona en el cerebro.

Modelo Perceptron Simple

Introducción a Machine Learning: Algunos conceptos básicos

El Machine Learning o Aprendizaje Automático es una rama de la inteligencia artificial que nace durante la segunda mitad del siglo XX. Su principal objetivo es desarrollar métodos capaces de generalizar comportamientos y reconocer patrones a partir de la información de entrada, permitiendo que computadores encuentren información y se comporten de cierta forma sin que hayan sido explícitamente programados para ello.

Hoy estamos rodeados de ejemplos de Inteligencia Artificial y de Aprendizaje Automático pero muchas veces no nos damos cuenta de ello. Aquí dejo algunos ejemplos (pueden ver algunos más en Wikipedia):

  • Filtros de spam
  • Reconocimiento de texto y voz (ej.: Siri, Cortana, etc.)
  • Sistemas de recomendación (ej.: recomendaciones de Amazon)
  • Detección de fraudes (ej.: marcar transacciones fraudulentas en tarjetas de crédito)
  • Conducción automática de vehículos (reconocimiento de patrones)