Datos desbalanceados
Antes de conocer cómo calcular las métricas de evaluación de modelos de clasificación, debemos atender un concepto de uso común en la labor del científico de datos: los datos desbalanceados. Esta propiedad en la estructura de los datos, que puede llegar a ser problemática, será explorada aquí de manera breve pero detallada, de forma que […]
Libro El método Ikigai: breve opinión
Este libro ha sido el primero de <<superación personal>> que he leído, y de hecho, lo compré por <<error>>, esperando otro tipo de lectura. Por lo tanto, aquí se exhibe la opinión de alguien que no consume textos de esta categoría, por lo que puede llegar a ser una tenue chispa de guianza para quienes […]
Matriz de confusión y métricas de evaluación de modelos de clasificación
Si has entrenado un modelo de clasificación utilizando técnicas de aprendizaje de máquinas (por ejemplo, ajustando un modelo mediante una regresión logística), debes evaluar qué tan bueno es haciendo su trabajo. Esto se logra mediante el uso de diferentes métricas que derivan de la comparación entre las clasificaciones generadas con el modelo y valores pertenecientes […]
Leonardo da Vinci, Arte y ciencia del universo, breve reseña
Este libro ha sido un recorrido breve sobre la vida y obra del polímata italiano Leonardo da Vinci. Ha sido mi primer experiencia con un libro que aborde su vida, por lo que se pueden esperar dos propiedades esenciales en la opinión expuesta: Portada índice del libro Puntos favorables sobre la lectura Esta obra fue […]
Métricas de evaluación de modelos de regresión
Hasta ahora hemos conocido las características clave de los datos y cómo llevar a cabo su análisis y preprocesamiento, hemos utilizado algoritmos de machine learning para entrenar modelos de regresión y clasificación, y hemos aprendido recientemente cómo las funciones de pérdida miden sus capacidades predictivas, principalmente durante la etapa de entrenamiento. Hoy vamos a detenernos […]
Introducción al Análisis Exploratorio de Datos
Ahora que hemos hablado sobre qué son los datos, sus características, su definición como un conjunto procesable computacionalmente, y su evolución a lo largo de la ejecución de un proyecto, tu entrenamiento en datos por fin te ha llevado a empezar a operar con ellos. En esta sesión veremos un componente esencial del tratamiento de […]
Conjuntos de datos etiquetados: exploración y definición matemática
En lo que se refiere a conjuntos de datos, existe un tipo de estos que tiene suma importancia para el machine learning, específicamente para el aprendizaje supervisado: los conjuntos de datos etiquetados. En esta exploración hablaremos sobre qué son los datos etiquetados, sus diferencias con los datos no etiquetados, algunos ejemplos, y su respectiva definición […]
Función de pérdida de la regresión logística
Como ya hemos aprendimos durante la introducción a las funciones de pérdida, el fin de estas funciones es realizar mediciones sobre qué tan cercanos a los datos reales son los cálculos realizados por un modelo entrenado con un algoritmo de aprendizaje de máquinas. Cuando se trata de este tema, lo más convencional es iniciar su […]
Introducción a las funciones de pérdida
Uno de los conceptos medulares del machine learning es el de funciones de pérdida, las cuales son un componente esencial de cualquier algoritmo de aprendizaje supervisado, e incluso hacen acto de presencia en otros tipos de algoritmos, como los de aprendizaje no supervisado. Como una preparación previa al estudio de las redes neuronales artificiales, comenzaremos […]
Tipos de datos y sus características
Ahora que sabemos qué son los datos y su colosal importancia para el aprendizaje de máquinas, continuaremos con la exploración de sus atributos: las diferentes formas en las que se presentan y cómo se suelen categorizar. Equipaje recomendado Tentempié Tipos de datos Todo dato recabado puede ser categorizado de varias maneras dependiendo del enfoque y […]
