alaixgg
commented
1 month ago Volvemos al Crustering entonces?
Lo único que veo es que el modelo tiene que estar muy bien segmentado para lograr una diferenciación clara entre un enfoque de clustering y un sistema de filtrado.
Sin embargo, ¿no sería posible considerar algunas variables como 'Beauty', 'Skill Level', 'Education Level', 'Award Wins', 'Media Mentions' y 'Social Media Followers', y asignarles algún peso en el modelo?
Estrategias de Modelado: Regresión Ponderada y Modelos de Puntuación para la Selección de Actores
Podríamos optar por un modelo de regresión ponderada o un modelo de puntuación que calcule cuán bien se adapta un actor a las necesidades del usuario según esos criterios. Utilizando variables como 'Beauty', 'Skill Level' y 'Award Wins', podríamos construir un modelo que asigne pesos a cada criterio y, a partir de eso, calcular un puntaje de adecuación para cada actor. Esto proporcionaría un enfoque más personalizado y efectivo para ayudar a los usuarios a encontrar al actor ideal.
Los pesos pueden ser definidos de manera subjetiva al principio, basados en la intuición o en la experiencia sobre la importancia relativa de cada variable. Por ejemplo:
Beauty: 0.2 Skill Level: 0.3 Award Wins: 0.2 Media Mentions: 0.1 Social Media Followers: 0.1 Social Media Likes: 0.1
Documentación
Microsoft Analysis Services: Mining Models IBM Scoring Models IBM SPSS Statistics: Regression Weight Estimation
Por cierto 🥸☝🏻
El profesor dejó un entregable donde se supone que debemos solucionar precisamente esta problemática. El entregable debe contener lo siguiente:
Cito lo que dice en Avata:
Mini investigación para la construcción del modelo
De literatura científica o académica valida (tesis de maestría o doctorado, papers científicos, artículos académicos, etc.) investigue por lo menos en 10 de ellos como han solucionado un problema similar al de ustedes con ayuda de técnicas de aprendizaje de maquina.
Tengan en cuenta los siguiente:
Revisar que tipos de algoritmos de aprendizaje de maquina (supervisado, no supervisados, clustering, etc.) utilizaron para poder brindar la solución al problema en cuestión. Sean meticulosos en los detalles. ¿Cómo implementaron dichos algoritmos debido al set de datos que utilizaron? ¿Cómo fue el proceso de entrenamiento e inferencia? Seleccionen y analicen cuatro (4) algoritmos candidatos distintos para implementarlos con sus datos según el problema que cada grupo quiere solucionar. Implementen dos (2) modelos distintos de aprendizaje de máquina para su proyecto a partir de los distintos algoritmos que analizaron y seleccionaron..
Redes Neuronales
Por otro lado, mencionas redes neuronales. Qué tienes en mente?
Contexto
Teniendo en cuenta que el dataset tiene las siguiente columnas:
Index(['Gender', 'Nationality', 'Genre Specialization', 'Education Level'], dtype='object')
Index(['Name', 'Age', 'Gender', 'Nationality', 'Years Active', 'Genre Specialization', 'Beauty', 'Skill Level', 'Education Level', 'Award Wins', 'Media Mentions', 'Social Media Followers', 'Social Media Likes', 'Network Size', 'Income'], dtype='object')
y que ninguna corresponde con la salida esperada: Nivel de recomendación
Posibles aproximaciones
Información
Revisen porfa los gráficos anexos para que se hagan una idea
Juan José