-
Científico de Datos: Ventajas y Desventajas de Naive Bayes en Machine Learning
Tal vez te preguntarás sobre por qué usar Navie Bayes y cuales son las ventajas y desventajas de este método de machine learning (aprendizaje computarizado) . Estas son algunas de las incognitas que pódras aclarar en este artículo y que te permitirán implementar y predecir mejor tus eventos con los datos adecuados. El modelo Naive […]
-
Regresión Logística vs Regresión Lineal
La regresión logística se utiliza para encontrar las probabilidades o la razón de eventos en los que ocurre un evento específico en relación con otros eventos. Este método de aprendizaje automático también se utiliza en problemas de regresión que requieren identificar la probabilidad de ocurrencia de una variable dependiente específica. Tiene la ventaja de encontrar […]
-
Tipos de Gradiente Descendiente en la Optimización de Modelos de Machine Learning
Hay tres variantes diferentes de gradiente descendientes que se utilizan para optimizar los parámetros de los modelos. El gradiente descendiente, el gradiente estocástico y el mini lote tienen diferentes características para la optimización del modelo. Gradiente descendiente.- Se utiliza para optimizar los parámetros del modelo con el fin de encontrar un valor mínimo del modelo. […]
-
Aprendizaje Profundo en Redes Neuronales (Deep Learning)
El tensor es una unidad de datos y tiene un rango específico que es el número de dimensiones que representan los datos.Un tensor tiene valores en una matriz de componentes que son función de las coordenadas del espacio. Un tensor 3D con forma [2,1,4] en un [[1,2,3,4]], [[5,6,7,8]]] Función de activación sigmoidea o logística Es […]
-
Funciones de Activación en Redes Neuronales al Trabajar con Inteligencia Artificial
¿En qué consisten las funciones de activación y por qué son importantes a la hora de trabajar con redes neuronales en la inteligencia artificial? Conoce esto y otros tips y temas para empezar a diseñar tu propia red neuronal. La función de activación es un proceso matemático en el que se obtiene una salida con […]
-
Cientifico de Datos: ¿Cómo se implementa un algoritmo de entrenamiento de árbol de decisiones?
Los árboles de decisión se catalogan como un método de supervisión no paramétrico que se utiliza para resolver la clasificación cuando la variable de destino con la que trabajar utiliza valores discretos (por ejemplo, elementos o datos contables). Los problemas de regresión también pueden usar árboles de decisión cuando la variable objetivo usa valores continuos […]
-
Cientifico de Datos: Cómo Optimizar Modelos de Datos
Hay tres variantes diferentes de descenso de gradiente que se utilizan para optimizar los parámetros de los modelos. El descenso de gradiente, el gradiente estocástico y el mini lote tienen diferentes características para la optimización del modelo. Gradient Descent.– Se utiliza para optimizar los parámetros del modelo con el fin de encontrar un valor mínimo […]
-
¿Cuales son los Modelos de Clasificación?
Aqui te presentamos los diferentes modelos que podrás utilizar para clasificar diferentes objetos, servicios, productos o algún otro item que estes considerando analizar. La mayoria de los modelos de clasificación se pueden encontrar en librerias hechas en python o programas especializados en mineria de datos tales como rapidminer, tableau, srss, BI de microsoft, informatica entre […]
-
Cómo Evaluar un Modelo de Clasificación
La curva de las características del operador receptor (ROC) y el área bajo la curva (AUC) están relacionadas con la matriz de confusión para evaluar el rendimiento del modelo de clasificación. La forma ideal de la curva ROC se encuentra en la parte superior izquierda del gráfico TPR vs FPR. Cuando hay superposición de clases, […]
-
Elementos de la Matrix de Confusion en la Clasificación de Datos
Evaluación del modelo de clasificación (matriz de confusión, precisión, precisión, puntaje F, curva característica del operador receptor (ROC)) .- Calcule el puntaje F1 y la precisión del modelo. Puntuación F1 = 2 * [(Precisión x Recuperación) / (Precisión + Recuperación)]. Implica la media armónica de precisión y recuerdo. Este concepto integra el porcentaje de datos […]