Unsupervised Learning

El aprendizaje no supervisado es un tipo de aprendizaje automático donde un algoritmo aprende patrones a partir de datos sin etiquetar sin intervención humana. A diferencia del aprendizaje supervisado, que depende de pares de entrada-salida etiquetados para entrenar un modelo, el aprendizaje no supervisado trabaja con datos que carecen de etiquetas históricas. El sistema básicamente intenta autoenseñarse descubriendo estructuras, patrones o relaciones ocultas dentro de los datos de entrada. Este enfoque es particularmente valioso porque la gran mayoría de los datos generados hoy en día (imágenes, vídeos, texto y registros de sensores) no están estructurados ni etiquetados.

Link to this sectionCómo funciona el aprendizaje no supervisado#

En escenarios no supervisados, el algoritmo se deja a su suerte para descubrir estructuras interesantes en los datos. El objetivo suele ser modelar la distribución subyacente de los datos o aprender más sobre los datos en sí. Debido a que no hay "respuestas correctas" proporcionadas durante el entrenamiento, el modelo no puede evaluarse según la precisión en el sentido tradicional. En su lugar, el rendimiento se mide a menudo por lo bien que el modelo reduce la dimensionalidad o agrupa puntos de datos similares.

Esta metodología refleja cómo los humanos aprenden conceptos nuevos con frecuencia. Por ejemplo, un niño puede distinguir entre perros y gatos observando sus diferentes formas y comportamientos sin necesidad de conocer los nombres "perro" y "gato" inicialmente. De manera similar, los algoritmos no supervisados agrupan información basándose en similitudes inherentes. Esta capacidad es fundamental para el desarrollo de la inteligencia artificial general (AGI), ya que permite a los sistemas adaptarse a nuevos entornos sin supervisión humana constante.

Link to this sectionTécnicas clave en el aprendizaje no supervisado#

El aprendizaje no supervisado abarca varias técnicas distintas, cada una adaptada a diferentes tipos de problemas de análisis de datos:

• Agrupamiento (Clustering): Esta es la aplicación más común, donde el algoritmo agrupa puntos de datos que son similares entre sí. Un método popular es el agrupamiento K-Means, que divide los datos en k grupos distintos basados en la similitud de las características. Esto se utiliza ampliamente en la segmentación de mercado para identificar grupos de clientes con comportamientos de compra similares.
• Reducción de dimensionalidad: Los datos de alta dimensión pueden ser complejos y costosos desde el punto de vista computacional. Técnicas como el Análisis de Componentes Principales (PCA) reducen el número de variables en un conjunto de datos mientras conservan su información esencial. Esto simplifica la visualización de datos y acelera el entrenamiento de otros modelos de aprendizaje automático.
• Detección de anomalías: Al aprender cómo son los datos "normales", los modelos no supervisados pueden identificar valores atípicos que se desvían significativamente de la norma. Esto es crucial para la detección de fraudes en finanzas, donde los patrones de transacciones inusuales activan alertas de seguridad.
• Aprendizaje de reglas de asociación: Esta técnica descubre relaciones interesantes entre variables en bases de datos grandes. Se utiliza habitualmente para el análisis de la cesta de la compra, ayudando a los minoristas a comprender que los clientes que compran pan también tienen probabilidades de comprar mantequilla.

Link to this sectionAprendizaje no supervisado frente al supervisado#

Es importante distinguir el aprendizaje no supervisado del aprendizaje supervisado. La diferencia principal radica en los datos utilizados. El aprendizaje supervisado requiere un conjunto de datos etiquetados, lo que significa que cada ejemplo de entrenamiento se empareja con una salida correcta (p. ej., una imagen de un gato etiquetada como "gato"). El modelo aprende a asignar entradas a salidas para minimizar el error.

Por el contrario, el aprendizaje no supervisado utiliza datos no etiquetados. No hay un bucle de retroalimentación que le indique al modelo si su salida es correcta. Existe un punto intermedio llamado aprendizaje semisupervisado, que combina una pequeña cantidad de datos etiquetados con una gran cantidad de datos no etiquetados para mejorar la precisión del aprendizaje, algo que se utiliza a menudo cuando etiquetar datos es costoso o requiere mucho tiempo.

Link to this sectionAplicaciones en el mundo real#

El aprendizaje no supervisado impulsa muchas tecnologías con las que nos encontramos a diario. Aquí tienes dos ejemplos concretos:

1. Segmentación de clientes en el comercio minorista: Las plataformas de comercio electrónico analizan millones de interacciones de usuario sin categorías predefinidas. Mediante el uso de algoritmos de agrupación, identifican perfiles de usuario distintos, como "cazadores de gangas de fin de semana" o "entusiastas de la tecnología". Esto permite realizar campañas de marketing altamente personalizadas y sistemas de recomendación, lo que mejora significativamente la experiencia del cliente.

2. Análisis de secuencias genómicas: En bioinformática, los investigadores utilizan el aprendizaje no supervisado para analizar datos genéticos. Los algoritmos agrupan secuencias de ADN para encontrar marcadores genéticos o mutaciones similares en diferentes poblaciones. Esto ayuda a comprender las relaciones evolutivas e identificar predisposiciones genéticas a enfermedades sin necesidad de conocer de antemano cada función genética específica.

Link to this sectionEjemplo de código: Agrupamiento con Scikit-Learn#

Aunque Ultralytics YOLO26 es principalmente un marco de trabajo de detección de objetos supervisado, a menudo se utilizan técnicas no supervisadas en los pasos de preprocesamiento, como el análisis de distribuciones de cuadros delimitadores (anchor boxes) o la agrupación de características del conjunto de datos. A continuación se muestra un ejemplo sencillo utilizando sklearn para realizar un agrupamiento K-Means, una técnica no supervisada fundamental.

import numpy as np
from sklearn.cluster import KMeans

# Generate synthetic data: 10 points with 2 features each
X = np.array([[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]])

# Initialize KMeans with 2 clusters (k=2)
kmeans = KMeans(n_clusters=2, random_state=0, n_init="auto")

# Fit the model to the data (no labels provided!)
kmeans.fit(X)

# Predict which cluster each point belongs to
print(f"Labels: {kmeans.labels_}")
# Output will group the first 3 points together (0) and the last 3 together (1)

Link to this sectionEl papel del aprendizaje no supervisado en el aprendizaje profundo#

El aprendizaje profundo (DL) moderno integra cada vez más principios no supervisados. Técnicas como el Aprendizaje Autosupervisado (SSL) permiten a los modelos generar sus propias señales de supervisión a partir de los datos. Por ejemplo, en el Procesamiento del Lenguaje Natural (NLP), modelos como GPT-4 están preentrenados con grandes cantidades de texto para predecir la siguiente palabra en una frase, aprendiendo eficazmente la estructura del lenguaje sin etiquetas explícitas.

Del mismo modo, en la visión artificial (CV), se utilizan codificadores automáticos (autoencoders) para aprender codificaciones de datos eficientes. Estas redes neuronales comprimen imágenes en una representación de menor dimensión y luego las reconstruyen. Este proceso enseña a la red las características más destacadas de los datos visuales, lo cual es útil para tareas como la eliminación de ruido en imágenes y el modelado generativo.

Para aquellos que buscan gestionar conjuntos de datos para el entrenamiento, la Plataforma Ultralytics ofrece herramientas para visualizar las distribuciones de datos, lo que puede ayudar a identificar grupos o anomalías antes de que comience el proceso de entrenamiento supervisado. Comprender la estructura de tus datos a través de la exploración no supervisada es a menudo el primer paso para construir soluciones de IA robustas.