Hide navigation sidebar

Hide table of contents sidebar

Toggle site navigation sidebar

Programa Sklearn

Feb 5, 2024

Toggle table of contents sidebar

Programa Sklearn

Feb 5, 2024

Introducción — 1:59:17
Toggle navigation of Introducción — 1:59:17
- Introducción — 21:40
  Toggle navigation of Introducción — 21:40
  - Introducción a scikit-learn — 21:48 min
- Tutoriales básicos — 1:37:37
  Toggle navigation of Tutoriales básicos — 1:37:37
Selección y evaluación de modelos
Toggle navigation of Selección y evaluación de modelos
- Conceptos básicos de validación cruzada — 1:33:51
  Toggle navigation of Conceptos básicos de validación cruzada — 1:33:51
- Cálculo de métricas de validación cruzada — 31:44
  Toggle navigation of Cálculo de métricas de validación cruzada — 31:44
- Iteradores — 37:44
  Toggle navigation of Iteradores — 37:44
- Ajuste de hiperparámetros — 25:08
  Toggle navigation of Ajuste de hiperparámetros — 25:08
- Introducción al uso de métricas — 14:39
  Toggle navigation of Introducción al uso de métricas — 14:39
- Métricas para clasificación — 1:27:40
  Toggle navigation of Métricas para clasificación — 1:27:40
- Métricas para clasificación multietiqueta — 12:51
  Toggle navigation of Métricas para clasificación multietiqueta — 12:51
- Métricas para regresión — 38:28
  Toggle navigation of Métricas para regresión — 38:28
- Métricas para agrupamiento
  Toggle navigation of Métricas para agrupamiento
- Estimadores ingenuos — 7:34
  Toggle navigation of Estimadores ingenuos — 7:34
  - DummyClassifier
  - DummyRegressor
- Curvas de validación — 10:29
  Toggle navigation of Curvas de validación — 10:29
  - Graficación de curvas de validación con validation_curve
  - Visualización de la curva de aprendizaje con LearningCurveDisplay
Inspección
Toggle navigation of Inspección
- Dependencia parcial y esperanza condicional
  Toggle navigation of Dependencia parcial y esperanza condicional
- Permutation test importance
  Toggle navigation of Permutation test importance
Visualización
Toggle navigation of Visualización
- Utilidades de visualización
  Toggle navigation of Utilidades de visualización
Transformaciones — 3:02:50
Toggle navigation of Transformaciones — 3:02:50
- Pipelines y estimadores compuestos — 38:49
  Toggle navigation of Pipelines y estimadores compuestos — 38:49
- Extracción de características — 38:29
  Toggle navigation of Extracción de características — 38:29
- Preprocesamiento de datos — 45:48
  Toggle navigation of Preprocesamiento de datos — 45:48
- Imputación de valores faltantes — 24:26
  Toggle navigation of Imputación de valores faltantes — 24:26
- Proyecciones aleatorias — 6:05
  Toggle navigation of Proyecciones aleatorias — 6:05
  - Proyecciones aleatorias
- Kernels y su aproximación — 22:05
  Toggle navigation of Kernels y su aproximación — 22:05
- Transformación de la variable de salida — 7:08
  Toggle navigation of Transformación de la variable de salida — 7:08
  - LabelBinarizer y MultiLabelBinarizer
  - LabelEncoder
Aprendizaje Supervisado
Toggle navigation of Aprendizaje Supervisado
- Regresores clásicos — 56:14
  Toggle navigation of Regresores clásicos — 56:14
- Clasificadores clásicos — 54:29
  Toggle navigation of Clasificadores clásicos — 54:29
- Regresores con seleccion de variables — 18:47
  Toggle navigation of Regresores con seleccion de variables — 18:47
- Regresores robustos a outliers — 11:22
  Toggle navigation of Regresores robustos a outliers — 11:22
- Kernel ridge regression — 3:30
  Toggle navigation of Kernel ridge regression — 3:30
  - Kernel ridge regression (KRR)
- Máquinas de vectores de soporte — 43:12
  Toggle navigation of Máquinas de vectores de soporte — 43:12
- Gradiente descendente estocástico — 19:32
  Toggle navigation of Gradiente descendente estocástico — 19:32
  - Gradiente Descendente Estocástico para Regresión
  - Gradiente Descendente Estocástico para Clasificación
- Vecinos más cercanos
  Toggle navigation of Vecinos más cercanos
- Procesos gaussianos
  Toggle navigation of Procesos gaussianos
- Descomposición cruzada
  Toggle navigation of Descomposición cruzada
- Naive bayes
  Toggle navigation of Naive bayes
- Arboles de decisión — 34:55
  Toggle navigation of Arboles de decisión — 34:55
- Métodos de emsable
  Toggle navigation of Métodos de emsable
- Algortimos multiescala y multiclase
  Toggle navigation of Algortimos multiescala y multiclase
  - Estrategías One-Vs-One y One-Vs-Rest
- Selección de características — 1:03:05
  Toggle navigation of Selección de características — 1:03:05
- Regresión isotonica — 4:16
  Toggle navigation of Regresión isotonica — 4:16
- Calibración de la probabilidad
  Toggle navigation of Calibración de la probabilidad
- Modelos de redes neuronales — 40:13
  Toggle navigation of Modelos de redes neuronales — 40:13
Aprendizaje no supervisado
Toggle navigation of Aprendizaje no supervisado
- Modelos de mixtura gaussiana
  Toggle navigation of Modelos de mixtura gaussiana
  - Mixtura de modelos gaussianos — 12:57
- Manifold learning
  Toggle navigation of Manifold learning
- Clustering — 1:04:03
  Toggle navigation of Clustering — 1:04:03
- Biclustering
  Toggle navigation of Biclustering
- Algoritmos de descomposición — 26:38
  Toggle navigation of Algoritmos de descomposición — 26:38
- Estimación de la covarianza
  Toggle navigation of Estimación de la covarianza
- Detección de outliers
  Toggle navigation of Detección de outliers
- Estimación de la densidad
  Toggle navigation of Estimación de la densidad
  - Kernel Density Estimation — 11:06 min
- Modelos de redes neuronales
  Toggle navigation of Modelos de redes neuronales
  - Restricted Boltzmann machines — 10:25 min
Datasets
Toggle navigation of Datasets
- Datasets
  Toggle navigation of Datasets

Toggle table of contents sidebar

Biclustering#

Algoritmos de descomposición — 26:38

Análisis de patrones horarios de demanda

Made with Sphinx and @pradyunsg's Furo