El Perceptrón
El primer algoritmo de aprendizaje: cómo un hiperplano aprende a separar clases ajustando sus pesos iterativamente.
conceptos clave
El Perceptrón: Primer Algoritmo de Aprendizaje
El perceptrón (Rosenblatt, 1958) es el bloque fundamental del aprendizaje automático. Distinguimos dos conceptos que suelen confundirse:
- El modelo — un hiperplano definido por la ecuación
w₁·x₁ + w₂·x₂ + b = 0, que divide el espacio en dos regiones (una para cada clase) - El algoritmo — un proceso iterativo que, cada vez que encuentra un punto mal clasificado, ajusta los pesos en la dirección que corrige ese error
Los pesos (betas) determinan la orientación del hiperplano: controlan cuánto influye cada variable en la predicción. El learning rate (η) es un escalar que controla la magnitud de cada corrección — valores grandes hacen ajustes agresivos que pueden oscilar, valores pequeños convergen lento pero con más estabilidad.
La regla de actualización es elegantemente simple: si un punto de clase +1 cae del lado negativo, sumamos η·x a los pesos; si uno de clase -1 cae del lado positivo, restamos η·x.
No existe el modelo perfecto
Simulador del Perceptron
Observa como el perceptron ajusta sus pesos para encontrar la frontera de decision
Verificación de conocimiento
1 / 3¿Cual es la diferencia fundamental entre el modelo y el algoritmo del perceptron?