Clasificación binaria
Genera datos de dos clases automáticamente y observa cómo el modelo aprende a separarlas. Puedes ajustar la cantidad de puntos y la dificultad (separación entre clases).
Concepto clave: En el aprendizaje supervisado, proporcionamos datos etiquetados (con clase conocida) y el modelo aprende a separar las clases para predecir la clase de nuevos datos.
K-Means Clustering paso a paso
Genera puntos aleatorios y observa cómo el algoritmo K-Means los agrupa en clusters sin conocer las etiquetas.
Concepto clave: En el aprendizaje no supervisado, no hay etiquetas. El algoritmo descubre estructuras ocultas agrupando datos similares.
Agente en un laberinto (Aprendizaje por Refuerzo)
Observa cómo un agente aprende a navegar un laberinto mediante prueba y error, recibiendo recompensas al llegar a la meta.
Concepto clave: El agente no conoce el camino correcto. Aprende explorando, recibiendo +10 al llegar a la meta y -1 por cada paso. Con el tiempo, descubre la ruta óptima.