Reconocimiento de patrones
El reconocimiento de patrones es el reconocimiento automatizado de patrones y regularidades en los datos . Tiene aplicaciones en análisis de datos estadísticos , procesamiento de señales , análisis de imágenes , recuperación de información , bioinformática , compresión de datos , gráficos por computadora y aprendizaje automático . El reconocimiento de patrones tiene su origen en la estadística y la ingeniería; algunos enfoques modernos para el reconocimiento de patrones incluyen el uso de aprendizaje automático , debido a la mayor disponibilidad de big data y una nueva abundancia de poder de procesamiento. Estas actividades pueden verse como dos facetas de un mismo campo de aplicación y han experimentado un desarrollo sustancial en las últimas décadas.
Los sistemas de reconocimiento de patrones se entrenan comúnmente a partir de datos de "entrenamiento" etiquetados. Cuando no hay datos etiquetados disponibles, se pueden usar otros algoritmos para descubrir patrones previamente desconocidos. KDD y la minería de datos tienen un mayor enfoque en métodos no supervisados y una conexión más fuerte con el uso comercial. El reconocimiento de patrones se centra más en la señal y también tiene en cuenta la adquisición y el procesamiento de señales . Se originó en la ingeniería , y el término es popular en el contexto de la visión por computadora : una conferencia líder sobre visión por computadora se llama Conferencia sobre visión por computadora y reconocimiento de patrones .
En el aprendizaje automático , el reconocimiento de patrones es la asignación de una etiqueta a un valor de entrada dado. En estadística, el análisis discriminante se introdujo con este mismo propósito en 1936. Un ejemplo de reconocimiento de patrones es la clasificación , que intenta asignar cada valor de entrada a uno de un conjunto determinado de clases (por ejemplo, determinar si un correo electrónico determinado es "spam" o "no spam"). El reconocimiento de patrones es un problema más general que abarca también otros tipos de salida. Otros ejemplos son la regresión , que asigna una salida de valor real a cada entrada; [1] etiquetado de secuencias , que asigna una clase a cada miembro de una secuencia de valores [2](por ejemplo, etiquetado de parte del discurso , que asigna una parte del discurso a cada palabra en una oración de entrada); y parsing , que asigna un árbol de análisis a una oración de entrada, describiendo la estructura sintáctica de la oración. [3]
Los algoritmos de reconocimiento de patrones generalmente tienen como objetivo proporcionar una respuesta razonable para todas las entradas posibles y realizar la coincidencia "más probable" de las entradas, teniendo en cuenta su variación estadística. Esto se opone a los algoritmos de coincidencia de patrones , que buscan coincidencias exactas en la entrada con patrones preexistentes. Un ejemplo común de un algoritmo de coincidencia de patrones es la coincidencia de expresiones regulares , que busca patrones de un tipo determinado en datos textuales y se incluye en las capacidades de búsqueda de muchos editores de texto y procesadores de texto .
El campo del reconocimiento de patrones se ocupa del descubrimiento automático de regularidades en los datos mediante el uso de algoritmos informáticos y del uso de estas regularidades para realizar acciones como clasificar los datos en diferentes categorías. [4]
