Del curso: Python para data scientist avanzado
Accede al curso completo hoy mismo
Únete para acceder a más de 22.800 cursos impartidos por expertos del sector o compra solamente este curso.
Neural networks en la práctica - Tutorial de Python
Del curso: Python para data scientist avanzado
Neural networks en la práctica
A continuación te voy a mostrar y comentar un ejemplo de código sobre cómo podemos usar el paquete Scikit-learn para ajustar redes neuronales. Aquí son las dos funciones principales. Una en función de si tenemos datos categóricos y la otra en función de si tenemos datos numéricos. Y vamos a necesitar también escalar nuestros datos con esta función. Aquí vamos a realizar una validación externa y a evaluar el modelo. Lo primero que hago es importar la base de datos. Selecciono una pequeña submuestra, que es lo que vamos a usar para ver este ejemplo. Aunque claramente las redes neuronales también funcionan para volúmenes de datos mucho mayores. Y partimos nuestra base de datos en regresoras y variable respuesta. Lo primero que hago es partir la base de datos en el conjunto "training" para entrenar, y el conjunto "testing" para evaluar. Voy a escoger un 80 % de "training" y un 20 % de "testing". Podría usar cualquier otra proporción. Y lo que vamos a necesitar previamente es escalar…
Practica mientras aprendes con los archivos de ejercicios.
Descarga los archivos que el instructor utiliza para enseñar el curso. Sigue las instrucciones y aprende viendo, escuchando y practicando.
Contenido
-
-
-
(Bloqueado)
Validación interna y externa3 min 54 s
-
(Bloqueado)
Validación externa en Python3 min 57 s
-
(Bloqueado)
Qué es y cómo actúa el K-Fold4 min 8 s
-
(Bloqueado)
Leave one out: en qué consiste2 min 36 s
-
(Bloqueado)
Neural networks: fundamentos teóricos3 min 49 s
-
(Bloqueado)
Neural networks en la práctica5 min 25 s
-
XGboost y los árboles de clasificación3 min 46 s
-
(Bloqueado)
XGboost en Python4 min 58 s
-
(Bloqueado)
-
-
-
-