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 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.
En este post, les mostraré brevemente como crear un entorno virtual (virtualenv) para python en macOS y así poder instalar las principales bibliotecas necesarias para machine learning sin tanto enredo con las distintas versiones.
Para esto, primero instalaremos la herramienta virtualenv y crearemos un entorno con python 3.
# Instalar virtualenv $ pip3 install virtualenv # Creamos una carpeta en Documents donde tener todos los entornos virtuales $ mkdir /Users/username/Documents/Python $ cd /Users/username/Documents/Python # Creamos el entorno virtual con # virtualenv -p python3 <mi_proyecto> $ virtualenv -p python3 machine-learning
