Setup En un artículo anterior, explicamos el algoritmo de K-Means. Para llegar a entenderlo mejor, lo vamos a implementar en Python desde cero. Para instalar todas las herramientas necesarias puedes seguir nuestros artículos de setup para Windows o para Linux. Para mejorar la presentación de este artículo, sólo vamos a Read more…
Parte II: Precision/Recall y Sensitivity/Specificity El el artículo anterior de métricas de evaluación para clasificación explicamos que la accuracy es una métrica muy útil y muy fácil de interpretar. Sin embargo, si los datos de entrada no están balanceados, no sirve para nada. También definimos qué es la matriz de Read more…
El clustering K-Means es un algoritmo de Machine Learning unsupervised (de aprendizaje no supervisado) que se usa para hacer clustering (crear grupos similares). Esta técnica se usa para clasificar datos sin etiquetar en K clusters (grupos) basándose en sus similitudes. El número de clusters K se le pasa como parámetro Read more…
Al entrenar un modelo de Machine Learning, pueden pasar varias cosas: Posibles estados del entrenamiento, fuente: educative.io Hay varias técnicas para identificar en qué estado nos encontramos y cómo alcanzar el modelo ideal. Una de esas maneras es usando la regularización. Primero, consideremos la fórmula de Regresión Lineal Múltiple: Let’s Read more…
Gradiente Descendente o Descenso del Gradiente (en inglés Gradient Descent) es un algoritmo de optimización para encontrar el mínimo local de una función. Busca la combinación de parámetros que minimiza la función de coste. Para que el Gradiente Descendente funcione, la función de coste debe ser diferenciable y convexa. Visualización Read more…
Regresión lineal es un tipo de algoritmo supervisado de Machine Learning que se usa para hacer regresiones. Las regresiones son una técnica que se usa para predecir datos de salida continuos que pueden ajustarse a una recta. Este algoritmo es muy sencillo y muy fácil de entender. La siguiente gráfica Read more…
Parte I: Precisión y Matriz de confusión Hay muchos tipos de problemas de Machine Learning y, en la mayoría de casos, hay varias maneras en las que nuestro objetivo y los datos que tenemos afectan a cómo medimos el rendimiento de nuestro modelo. Vamos a empezar con las métricas de Read more…
Ensemble Learning (aprendizaje por combinación) es un método muy usado en Machine Learning que consiste en combinar multiples herramientas. Las herramientas usadas se consideran “modelos base” o “modelos débiles”. Se llaman modelos débiles a aquellos modelos que no tienen un buen rendimiento, por ejemplo, tienen una varianza muy alta o Read more…