Clasificación de potenciales clientes

Clase 12 de 22 • Curso de Redes Neuronales en Keras y Scikit-Learn 2019

Rodrigo Urquizo Yepez

student•

Los que saben de SQL al hacer activity.merge(people, on = 'people_id', how = 'inner'), seria como hacer un INNER JOIN IMPORTANTE: El problema es que la tabla activity tiene mas filas que la tabla people, entonces al hacer el inner join los espacios vacios se autollenaran con los datos de la ultima fila de la tabla people.Les recomiendo que hagan: consolid.tail() y con eso se daran cuenta que los ultimos registros tienen los mismos datos respecto a la tabla people, ya que se autollenan de acuerdo al ultimo registro.

Julián Andrés Santos Méndez

student•

Este tema se explica muy bien en el curso de Pandas: https://platzi.com/cursos/pandas/

Aaron Fabrizio Calderon Guillermo

student•

Se "rellenan" con los mismos datos porque people_id es el mismo en las últimas filas, no es por el diferente número de filas.

María José Medina

student•

Les comparto un artículo interesante sobre otros métodos de imputación.

https://towardsdatascience.com/6-different-ways-to-compensate-for-missing-values-data-imputation-with-examples-6022d9ca0779 Me llamó mucho la atención que hasta se puede usar KNN para hallar valores faltantes.

Diego Alejandro Lesmes

student•

Muy bueno, y mas si los diligencia con el análisis de las demás variables, muchas gracias @MaríaJosé es lo que buscaba

Luis Fernando Úbeda Camacho

student•

Utilizar pd.get_dummies() o de la librería sklearn.preprocessing utilizar LabelEncoder y OneHotEncoder

Gersonrpq

student•

Tambien podrias utilizar de la libreria de sklearn, OrdinalEncoder.

FELIX DAVID CORDOVA GARCIA

student•

NO se debio renombrar la columna darte de dataframa activity, se debio mantener su nombre y hacer el merge de suna forma simple y directa, es decir activity.merge(people), haciendolo asi se juntan teniendo en cuenta las columnas con el mismo nombre, en este caso que tengan tanto people_id como date, asi se obtiene un DataFrame con datos mas reducidos y especificos con los que se puede trabajar sin problemas

FELIX DAVID CORDOVA GARCIA

student•

No es necesario convertir las variables de tipo booleano a 1 y 0, keras entiende que True y Falso son variables de tipo booleano y realiza su aprendizaje sin problemas

Marcelo Sánchez

student•

Es interesante pensar cuáles serán los valores numéricos por lo que vamos a reemplazar los ´objetos´ talvez sería una buena idea trabajar con valores negativos para separar los objetos de los números que simbolizan un dato de una categoria.

Javier Guevara

student•

Me sale un error en el comando

activity["tipo_actividad"] = activity["tipo_actividad"].fillna(activity["tipo_actividad"].mode()[0])

KeyError: 'tipo_actividad'

CRISTIAN BARBERO PÉREZ

student•

Hola, un KeyError se produce normalmente cuando intentas acceder a una llave que no existe en el diccionario, revisa que escribiste tipo_actividad correctamente

Clasificación de potenciales clientes

Apropiar conceptos fundamentales de las redes neuronales

¿Qué es una red neuronal?

Identificar los principales Frameworks usados en la industria para el desarrollo de Deep Learning

Frameworks de Deep Learning

Comprender los modelos de representación de las redes neuronales artificiales usados en Deep Learning

Estructura de redes neuronales

Creando nuestra primer red neuronal

Entrenando nuestra primera red neuronal

Visualizando el proceso de entrenamiento

Funciones de activación

Funciones de costo o pérdidas

Inicialización y Entrenamiento de RN

Optimizadores en redes neuronales

Clasificación Binaria

Clasificación de potenciales clientes

Análisis de resultados

Métricas de desempeño: regresión y clasificación

Evaluando métricas de desempeño

Ajuste de redes neuronales: overfitting y regularización

Regularización

Ajuste de redes neuronales: Hiper parámetros

Crear un modelo de regresión a partir de un caso de uso real

Introducción a las regresiones con Deep Learning: Planteamiento del problema

Solución del problema de regresión

Ajustes finales al proyecto

Cierre del curso

Cierre del curso