Bienvenida al laboratorio
Instrucciones generales
Laboratorios de ML: practica tus habilidades en proyectos profesionales
Exploración de modelo de machine learning desde API
Problemas a resolver: documentación, carga y prueba de modelo
Troubleshooting: carga y prueba del modelo
Mejora de performance de modelo de machine learning
Problemas a resolver: performance de modelo
Troubleshooting: performance de modelo
Revisión de resultados
Cierre del laboratorio
¿Cómo continuar tu proyecto de machine learning?
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Si ya tienes una cuenta,
Aportes 1
Preguntas 0
Ordenar por:
En mi caso el mejor modelo que encontré fue usar Support Vector Machine con estos hiperparámetros:
```python
svm =SVC(random_state=42, C= 1000.0, gamma=0.8, kernel='rbf', tol=0.01).fit(X_train, y_train)
```
Obteniendo unos valores de Accuracy por encima del 80% y corrigiendo el sesgo que habia antes hacia una clase:
Accuracy model: 0.853
Exited Churn='NO': 0.810
Exited Churn='YES': 0.898
F1 Score: 0.858
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?