Saltar al contenido

Hablar por WhatsApp PanelEntrar al panel

Clasificación

Tarea de machine learning que consiste en asignar una entrada a una de varias categorías predefinidas. Detectar spam, diagnosticar una enfermedad o etiquetar el sentimiento de un texto son problemas de clasificación.

Tarea de machine learning que consiste en asignar una entrada a una de varias categorías predefinidas. Detectar spam, diagnosticar una enfermedad o etiquetar el sentimiento de un texto son problemas de clasificación.

Actualizado: 3 de junio de 2026.

Un clasificador aprende fronteras entre categorías a partir de ejemplos etiquetados y luego asigna cada entrada nueva a la clase más probable.

Binaria vs. multiclase

Binaria: dos opciones (fraude / no fraude).
Multiclase: varias (positivo / neutro / negativo).

Contraste con la regresión

La clasificación produce categorías; la regresión produce números continuos. Ambas son tareas centrales del aprendizaje supervisado.

Términos relacionados

RegresiónTarea de machine learning cuyo objetivo es predecir un valor numérico continuo a partir de los datos de entrada, como un precio, una temperatura o una demanda futura.Aprendizaje supervisadoForma de machine learning en la que el modelo aprende de datos etiquetados: cada ejemplo incluye la respuesta correcta. El objetivo es que el modelo prediga esa respuesta en datos nuevos.IA discriminativaTipo de modelo que aprende a distinguir entre categorías o a predecir un valor a partir de una entrada, sin generar contenido nuevo. Clasificadores de spam, detección de fraude o diagnóstico por imagen son ejemplos.Red neuronal artificialModelo de cálculo inspirado en el cerebro, compuesto por unidades llamadas neuronas organizadas en capas que se conectan mediante pesos ajustables. Al entrenarse, esos pesos se afinan para transformar entradas en salidas útiles.Dataset o conjunto de datos: qué esUn dataset o conjunto de datos es una colección de ejemplos reunidos para análisis, entrenamiento, validación o evaluación. Cada ejemplo puede contener características, etiquetas, texto, imágenes, audio u otros valores. Su utilidad no depende solo del tamaño: representatividad, calidad, procedencia, permisos, partición y correspondencia con el uso real determinan qué conclusiones o modelos permite sostener.

Ver todos los términos

02 / LLEVAR A LA PRÁCTICA

Después de leer

Convierte una idea útil en una habilidad repetible.

Elige una ruta breve, aplícala a una tarea real y termina con algo que puedas revisar, usar o compartir.

Explorar cursos Empezar gratis