Capítulo 3 Entrenamiento de modelos

Se le denomina de esta manera a la acción de ajustar el mejor modelo a los datos.

Formalmente se define como sigue:

Dado un conjunto de entrenamiento \((x^{(i)},y^{(i)})\in(\mathcal{X} \times \mathcal{Y})\) el objetivo es aprender (ajustar) una función \(h:\mathcal{X}\rightarrow \mathcal{Y}\) tal que \(h(x)\) sea un buen predictor de \(y\).

La función \(h\) suele llamarse hipótesis.

Cuando el conjunto \(\mathcal{Y}\) es continuo, estamos frente a un problema de regresión. Si se trata de un conjunto discreto entonces tenemos un problema de clasificación.