Fri 19 Nov

[felipedonoso]

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)

Tips Capstone:

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

Ejemplo predictivo:

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

[felipedonoso]

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]

Como determinar que tan bueno es su modelo:

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

[felipedonoso]

Funciones de Score:

[felipedonoso]

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.

K-NN define una frontera de decisión :

[felipedonoso]

Ejercicio 08 knn:

KNN 01:20 hr

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