[MÚSICA] Ahora vamos a profundizar, y entender
cómo vamos a predecir la probabilidad de que una oración sea positiva o negativa
usando clasificadores lineales. O podemos llamarlos modelos lineales. Ahora, tomaremos algunos
datos de entrada x. Vamos a calcular algunas características h,
y vamos a obtener este P^, la probabilidad de que la calificación
sea positiva o negativa. Si volvemos a nuestro ejemplo de
fronteras de decisión, hemos calculado el resultado de cada dato
como w transpuesta h de x, o w0*h0 + w1*h1 + w2*h2 + w3*h3, y así. Todo lo que estaba bajo la recta
tenía un valor mayor que 0. Todo lo que estaba por encima tenía
valor menor que cero, pero no sabemos hasta donde. Es como una gran cantidad inferior a 0, y 
mucho mayor que 0, potencialmente. Y cómo relacionamos estos valores,
que pueden estar entre menos infinito y más infinito, con la 
probabilidad que la salida sea +1, la probabilidad que la oración
sea +1. Y esa es la tarea que intentaremos
realizar hoy. De hecho, tenemos w transpuesta h, el valor, que puede variar
entre menos infinito y más infinito. Si es  es positivo, mayor que 0,
vamos a predecir +1, y si es negativo menor que 0, vamos a poner -1. Lo que queremos decir es que
si el valor es realmente muy grande, como infinito, entonces
estamos muy seguros que ŷ es +1. Así que vamos a decir que la probabilidad
que y=+1 dada esta entrada es 1. Por otro lado, si el valor
es muy negativo, como menos infinito,
estamos muy seguros que ŷ es -1. Y entonces deberíamos obtener la probabilidad de
que y=+1 es 0, para esta entrada x en particular. Ahora, si el valor es 0, estamos justo en la frontera de decisión
donde no es positivo ni negativo. Entonces podemos ser indiferentes en
predecir si ŷ es +1 o -1. Por lo que si somos indiferentes con
las probabilidades, podemos interpretar eso. Podemos decir que la probabilidad
que 'y' sea +1 dada la entrada, es 0.5, es decir 50-50. Podría ir en cualquier dirección. Entonces, ese es nuestro objetivo.
Predecir estas probabilidades a partir de los valores. Así que, tenemos los valores. Los valores pueden variar entre
menos infinito y más infinito. Y son esta combinación ponderada
de las características. Y las probabilidades están entre 0 y 1. Si el valor es menos infinito, quiero que
la probabilidad de esa salida sea 0. Si el valor es más infinito, quiero
predecir la salida con 1.0. Y si el valor es 0.0, quiero decir
que la probabilidad es 0.5. Los valores pueden variar entre
menos infinito y más infinito, las probabilidades entre 0 y 1. La pregunta es ¿Cómo relacionar los valores
entre menos infinito y más infinito, con la probabilidad entre 0 y 1? ¿Cómo se relacionan estas dos cosas? Y ahora vamos a ver algo de magia. [RISAS] La magia que pega, que
enlaza este rango de menos infinito a más infinito, con el rango 0,1 se llama
una función de enlace, que enlaza ambas. Voy a tomar el valor, que está
entre menos infinito y más infinito, y voy a pasarlo
a través de una función g que comprime esa enorme linea
al intervalo 0,1 [SONIDO] Y usarla para predecir
la probabilidad que y=+1. Y cuando tomas un modelo lineal,
w transpuesta h, menos infinito a más infinito, y
lo comprimes en 0, 1 usando funciones de enlace, estas
construyendo un modelo lineal generalizado. Así que, si alguien te detiene hoy
en la calle y te pregunta 
¿Qué es un modelo lineal generalizado? Dile no hay problema. Es como un modelo de regresión,
pero comprimiendo entre 0, 1 a través de una función de enlace. Así que, es un poco abstracto. Hablaremos sobre esto
en el contexto de la regresión logística, que es
un tipo específico de función de enlace. Ahora que hemos hablado sobre modelos
lineales generalizados como compresor de menos infinito a más infinito,
al intervalo 0,1. Eso vale para clasificadores y
la mayoría de los tipos de clasificadores. Hay otros tipos de modelos lineales generalizados
que no comprimen entre 0 y 1. Pero para los fines, puedes pensar
sobre ellos en ese contexto. Así que en este contexto, nuestro objetivo ahora
se convierte en tomar los datos de entrenamiento, pasarlo a través de algún extractor de características
que nos da las h's, TFIDF o cualquiera que se represente en los datos,
número de "increíbles". Y ahora, construimos un modelo lineal
W transpuesta h, lo pasamos a través de la función de enlace
que lo comprime al intervalo 0,1. Y usamos eso para predecir la
probabilidad que el sentimiento del comentario es positivo
dada la oración de entrada. [MÚSICA]