Introducci贸n a 谩rboles de decisi贸n

1

驴Qu茅 son los 谩rboles de decisi贸n?

2

Tu primer 谩rbol de decisi贸n con scikit-learn

3

An谩lisis de datos para tu primer 谩rbol de decisi贸n

4

Entrenamiento y evaluaci贸n de 谩rbol de decisi贸n con scikit-learn

5

驴C贸mo funcionan los 谩rboles de decisi贸n?

6

驴Cu谩ndo usar 谩rboles de decisi贸n?

Quiz: Introducci贸n a 谩rboles de decisi贸n

Proyecto pr谩ctico: 谩rboles de decisi贸n

7

Conociendo problema a resolver y dataset de clasificaci贸n

8

An谩lisis exploratorio de datos para 谩rbol de decisi贸n

9

Procesamiento de datos para el entrenamiento de 谩rbol de decisi贸n

10

Entrenamiento de modelo de clasificaci贸n con 谩rbol de decisi贸n

11

驴C贸mo evaluar un modelo de 谩rbol de decisi贸n?

12

Evaluaci贸n de resultados del modelo de 谩rbol de decisi贸n

Quiz: Proyecto pr谩ctico: 谩rboles de decisi贸n

Introducci贸n a random forest

13

驴Qu茅 son los random forest o bosques aleatorios?

14

Tu primer random forest con scikit-learn

15

An谩lisis de datos para tu primer random forest

16

Entrenamiento de tu primer modelo de random forest con scikit-learn

17

Evaluaci贸n de tu primer modelo de random forest con scikit-learn

18

驴C贸mo funcionan los random forest?

19

驴Cu谩ndo utilizar random forest?

Quiz: Introducci贸n a random forest

Proyecto pr谩ctico: random forest

20

Entrenamiento de modelo de clasificaci贸n de carros con random forest

21

Evaluaci贸n de resultados del modelo de clasificaci贸n con random forest

Quiz: Proyecto pr谩ctico: random forest

Conclusi贸n

22

Proyecto final y cierre

23

Comparte tu proyecto de Random Forest y obt茅n tu certificado

No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Proyecto final y cierre

22/23
Recursos

Nombre del curso: Curso de Decision Trees y Random Forest con Python y scikit-learn
Dean:聽Sebasti谩n Delmont
School Owner: Carlos Alarc贸n
Profesora: Layla Scheli
Direcci贸n: Miguel Torres
Producci贸n OPS: Lizeth C谩ceres y Roc铆o Mart铆nez
Producci贸n y Edici贸n de video: Juan Camilo Franco Hernandez
Postproducci贸n de audio: Karen White
Dise帽o gr谩fico: Romi Lav铆n y Daniel Ordo帽ez
Coordinaci贸n General: Andr茅s Arizmendy, Daniel Guti茅rrez, Carol Baquero, Carlos C茅spedes y Sura Cede帽o
Revisi贸n: Axel Yaguana y Rodrigo Goitia

Aportes 8

Preguntas 4

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

Muy buen curso ya que es practico y sienta las bases para que cada quien pueda profundizar seg煤n su criterio, adem谩s de la organizaci贸n del material ya que se dispone del c贸digo ordenado que desafortunadamente en cursos anteriores no se tenia.

Otra cosa que me parece falta son las consideraciones a tener si yo despliego el modelo

las observaciones nuevas como se le pasan al modelo, en esa etapa el category_encoders como va a mapear mi nueva observaci贸n 鈥

que pasa si se pone una categoria que el DF de train no conoc铆a ?

test resulttadoos
Resumen
1.
驴A qu茅 tipo de algoritmos de machine learning pertenecen los 谩rboles de decisi贸n?

Aprendizaje supervisado

Los modelos de 谩rboles de decisi贸n aprenden de los datos generando reglas de tipo:

if-else

驴Podr铆amos utilizar un 谩rbol de decisi贸n para determinar si jugar o NO una partida de tenis? Considerando diversas variables como el clima, el viento, la humedad, entre otros factores a fines.

S铆, ser铆a de utilidad para llegar a una decisi贸n final.

驴Para qu茅 tipos de problemas se pueden utilizar los 谩rboles de decisi贸n en machine learning?

Clasificaci贸n y regresi贸n

驴Qu茅 m茅todo de scikit-learn se utiliza para crear un modelo de 谩rbol de decisi贸n enfocado en clasificaci贸n?

DecisionTreeClassifier

En un 谩rbol de decisi贸n, los nodos terminales son nodos:

Sin hijos.
7.
Si buscamos aplicar un algoritmo de machine learning que brinde 鈥渞esultados f谩ciles de interpretar y de entender鈥, podemos hacer uso de:

脕rboles de decisi贸n

驴Para qu茅 tipos de problemas sirve una matriz de confusi贸n al evaluar el performance del modelo de machine learning utilizado?

Clasificaci贸n
9.
鈥淧redije que era negativo, pero result贸 positivo鈥. 驴A qu茅 interpretaci贸n de la matriz de confusi贸n hacemos referencia?

Falso negativo (FN)

鈥淧redije que era falso y lo era鈥. 驴A qu茅 interpretaci贸n de la matriz de confusi贸n hacemos referencia?

Verdadero negativo (TN)

Al evaluar un modelo de 谩rbol de decisi贸n, los verdaderos positivos como negativos son _______:

Aciertos
12.
Al evaluar un modelo de 谩rbol de decisi贸n, los falsos negativos como positivos son _________:

Errores
13.
La m茅trica de evaluaci贸n de un modelo de ML conocida como ___________, en la pr谩ctica, es el % total de elementos clasificados correctamente.

Exactitud
14.
驴A qu茅 tipo de m茅todo corresponden los bosques aleatorios o random forests?

Ensamble
15.
Los bosques aleatorios o random forests se obtienen de combinar:

Multiples 谩rboles de decisi贸n
16.
驴En qu茅 tipos de problemas de machine learning se pueden usar los algoritmos de random forests?

Clasificaci贸n y regresi贸n

Si tengo un conjunto de datos con muchos outliers, 驴es recomendable entrenar un modelo de machine learning usando 谩rboles de decisi贸n?

No es recomendable. Ya que se ven fuertemente influenciados por outliers y adem谩s tienden al overfitting.

驴Cu谩l ser铆a una soluci贸n para evitar el overfitting al usar 谩rboles de decisi贸n en machine learning?

Aplicar m茅todos de ensamble convirti茅ndolo en bosques aleatorios o random forests.

Suponiendo que se tiene un conjunto de datos muy grande y el modelo se ver谩 expuesto continuamente a nuevas muestras de datos, 驴ser铆a m谩s recomendable entrenar un modelo basado en 谩rboles de decisi贸n o en random forests?

Random forests, ya que funcionan mejor con datasets grandes y son estables a nuevas muestras.

Ver menos

No ten铆a experiencia previa en Decision Trees y Random Forest, me ha gustado mucho la forma de explicar y el dominio que tiene la profe Layla de este tema 馃敟馃挌

excelente curso muy bien explicado

Gracias, me sirvi贸 para entender algunos conceptos adicionales.

Excelente curso. La profe toma su tiempo necesario para las explicaciones y luego pasa a la pr谩ctica debidamente.

Buenos d铆as! Estoy intentando cargar el dataset para hacer el an谩lisis en el cuaderno de Google Colab. He descargad el zip con los archivos del dataset pero no se importarlo, dado que la extension de los archivos no es .csv, sino que es .data, .test, .names... Necesitar铆a alguna orientaci贸n. Saludos!