No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Regresión y evaluación de hipótesis

22/25
Recursos

Aportes 8

Preguntas 0

Ordenar por:

Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.

Si te interesa el tema, te recomiendo el curso:

“Curso Profesional de Machine Learning con Scikit-Learn”

Si no tienes conocimientos sobre machine learning, recomiendo primero tomar este curso de estadística, ahí explican a lápiz y papel como hacer una regresión lineal y las bases de muchos de estos algoritmos.

Ok, esta clase fue muy útil, es muy intuitivo el uso de las herramientas de machine learning una vez entiendes la teoría detrás, por eso les recomiendo primero saber la teoría detrás de estas herramientas antes de aventurarse a usarlas, es un campo fascinante.

Otra forma de tomar las variables independientes o features del dataset:
.
X = data.iloc[:, 0:4].values

Al final el random_state, no es necesariamente un 40%, simplemente es un parametro que se le agrega y es equivalente a la seed, lo cual hace que cada vez que corramos el codigo, nos de los mismo valores al seleccionar los conjuntos de train y test.

Si eliges un random_state != 40, no te daran los mismo resultados que le den a la profesora.

  • Neural Network Regressior
  • Decision tree regression
  • LASSO Regression
  • Ridge Regression
  • ElasticNet Regression

9:45 -> Sobra un ‘list’

Al final se dice algo de porcentaje sobre random_state

Para evitar confusiones: random_state simply sets a seed to the random generator. Esto es útil pare reproducir el experimento.