search

IIC2433-2017-2 / T02

Repositorio para realizar consultas sobre la tarea 1
1 stars 0 forks source link

Librerías permitidas T02 #17

Open Hernan4444 opened 6 years ago

Hernan4444 commented 6 years ago

Abro esta issue para preguntar sobre librerías en general para la tarea. La idea es que si alguien más quiere saber sobre si es legal usar cierta librería o no lo pueda preguntar en esta misma issue y así mantenemos una lista actualizada.

Librerías legales por enunciado:

sklearn.tree.DecisionTree numpy pandas

Librerías extra aceptadas

sklearn.metrics.confusion_matrix sklearn.model_selection (holdout estratificado y k-fold-stratified-cross-validation) sklearn.metrics (Métricas en general)

Librerías explícitamente prohibidas

Hernan4444 commented 6 years ago

Se puede utilizar sklearn.metrics.confusion_matrix?

bcsaldias commented 6 years ago

Si

El 15 oct. 2017 11:00, "Hernan Valdivieso" notifications@github.com escribió:

Se puede utilizar sklearn.metrics.confusion_matrix http://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html ?

— You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub https://github.com/IIC2433-2017-2/T02/issues/17#issuecomment-336713524, or mute the thread https://github.com/notifications/unsubscribe-auth/AKHLfrLRqUA8cVSTPX8sVjqt8-Atjo4_ks5sshAIgaJpZM4P5wYe .

jgmontoya commented 6 years ago

No sale en el enunciado así que mejor me aseguro:

bcsaldias commented 6 years ago

Esas siempre

El 15 oct. 2017 13:53, "Javier G. Montoya S." notifications@github.com escribió:

No sale en el enunciado así que mejor me aseguro:

  • pandas
  • numpy Saludos!

— You are receiving this because you commented. Reply to this email directly, view it on GitHub https://github.com/IIC2433-2017-2/T02/issues/17#issuecomment-336724882, or mute the thread https://github.com/notifications/unsubscribe-auth/AKHLfmIjgPWHDM0aOagSC5nQUH_MRSAVks5ssjiLgaJpZM4P5wYe .

jgmontoya commented 6 years ago

Hola!

Tengo dudas respecto a las librerías para evaluar el rendimiento:

Además quería saber si para la visualización hay alguna limitación de librería, o bien queda libre al igual que en la tarea anterior.

Saludos!

sebamenabar commented 6 years ago

Hola, para el bagging estaba pensando hacerlo de manera estratificada, pero las funciones de scikit-learn (train_test_split, StratifiedShuffleSplit, ...), me dan un poco de problemas por que esperan separar en train y test, y yo solo quiero un train. Entonces puedo copiar algo del código del StratifiedShuffleSplit y modificarlo para hacer lo que necesito?

fcorencoret commented 6 years ago

Podemos usar la libreria random ?

bcsaldias commented 6 years ago

numpy.random no es suficiente? :)

2017-10-23 0:32 GMT-03:00 FranciscoRencoret1 notifications@github.com:

Podemos usar la libreria random ?

— You are receiving this because you commented. Reply to this email directly, view it on GitHub https://github.com/IIC2433-2017-2/T02/issues/17#issuecomment-338539258, or mute the thread https://github.com/notifications/unsubscribe-auth/AKHLfkPc6IRnZkH_OmzHkau24VK8K4AUks5svAjXgaJpZM4P5wYe .

fgvenegas commented 6 years ago

@jgmontoya En qué parte quieres usarlo? Es necesario hacerlo?. En cualquier caso, se puede utilizar cualquier librería que no interfiera la propia implementación del random forest. Para la visualización son libres de hcaerlo como quieran mientras quede especificado si usan una librería externa

jgmontoya commented 6 years ago

Todo para el análisis,

Saludos!

bcsaldias commented 6 years ago

Hola!

Pueden usarlo. Pero para evaluar RF podría no ser necesario hacer eso. De hecho, RF hace bootstraping.. o no?

Saludos! Belén

El 23 oct. 2017 22:30, "Javier G. Montoya S." notifications@github.com escribió:

Todo para el análisis, sklearn.model_selection para hacer holdout estratificado y k-fold-stratified-cross-validation y sklearn.metrics para obtener distintas métricas aparte de la matriz de confusión (que ya fue permitida más arriba) como el accuracy_score y precision_score.

Saludos!

— You are receiving this because you commented. Reply to this email directly, view it on GitHub https://github.com/IIC2433-2017-2/T02/issues/17#issuecomment-338844075, or mute the thread https://github.com/notifications/unsubscribe-auth/AKHLfpizGS2KNHVSMyzjBttVikuP1UtQks5svT2qgaJpZM4P5wYe .