magisterDataScienceUAI / machinneLearning

curso de machinne learning
0 stars 0 forks source link

Fri 19 Nov #1

Open felipedonoso opened 2 years ago

felipedonoso commented 2 years ago

Modelos predictivos:

K-Nearest Neighbors

Siempre tenemos una variable de interes(enfocarse en una) es lo primero en capstone definir el problema:

Ha pasado muchas veces que uno no visualiza la información va a tener, fijarse donde uno esta parado(ej: predecir notas del primer semestre y tienes datos del segundo). Los modelos se enfocan en modelar la distribución condicional P(Y|X)

image

Tips Capstone:

  1. Evaluación(Capstone)
  2. Cuidado con el sobreentrenamiento.

Ejemplo predictivo: image

Ahora aplicando modelos:

Frontera de decisión : Sí o no (Modelos discriminativos):

  1. SVM
  2. KNN

Ranking:

LDA Modelos paramétricos: Naive Bayes Modelos no paramétricos: Àrboles de decisión

image

felipedonoso commented 2 years ago

Cada modelo tiene su propio parámetro e hiperparametro:

Es lo que la función de entrenamiento busca(parámetro) Kmeans. Kamisn determina unos centroides(nuestros parámetros).

Kmeans hiperparametro (K), la distancia

felipedonoso commented 2 years ago

Como determinar que tan bueno es su modelo:

Score, es la forma hay que definir una función: Algo clave y meterse en la cabeza:

image

felipedonoso commented 2 years ago

Funciones de Score:

image

felipedonoso commented 2 years ago

K-Nearest Neighbors (Modelo de clasificación más sencillo)

K-nn es llamado lazy learning

Se basa en la distancia a menor distancia toma el valor del resto.

image

K-NN define una frontera de decisión :

image

felipedonoso commented 2 years ago

Ejercicio 08 knn:

KNN 01:20 hr

desVentaja de KNN (spoiler) cuando hay muchos registros se vuelve imposible