---
title: Learning Equals Representation Evaluation Optimization
localeTitle: Aprendizaje es igual a la optimización de la evaluación de representación
---
## Aprendizaje es igual a la optimización de la evaluación de representación

El campo del aprendizaje automático ha explotado en los últimos años y los investigadores han Desarrolló una enorme cantidad de algoritmos para elegir. A pesar de esta gran variedad de modelos para elegir, todos pueden ser destilados en tres componentes

Los tres componentes que conforman un modelo de aprendizaje automático son la representación. Evaluación y optimización. Estos tres están más directamente relacionados con aprendizaje supervisado, pero también puede estar relacionado con el aprendizaje no supervisado.

**Representación** : esto describe cómo desea ver sus datos. A veces es posible que desee pensar en sus datos en términos de individuos (como en Los vecinos más cercanos a k) o similares en un gráfico (como en las redes bayesianas).

**Evaluación** : para fines de aprendizaje supervisado, deberá evaluar o ponga una puntuación sobre qué tan bien está haciendo su estudiante para que pueda mejorar. Esta la evaluación se realiza mediante una función de evaulación (también conocida como _objetivo función_ o _función de_ _puntuación_ ). Los ejemplos incluyen la precisión y el error al cuadrado.

**Optimización** : utilizando la función de evaluación de arriba, debe encontrar el alumno con la mejor puntuación de esta función de evaluación utilizando una opción de Técnica de optimización. Los ejemplos son una búsqueda codiciosa y el descenso del gradiente.

#### Más información:

*   [Algunas cosas útiles para saber sobre el aprendizaje automático](https://homes.cs.washington.edu/~pedrod/papers/cacm12.pdf)