Más contenido relacionado

TallerML23.pptx

  1. Introducción al machine learning MgSc Héctor Andrés Mora Paz
  2. Métricas Sobreajuste Algoritmos Ejercicios
  3. Aprendizaje automático Developer Learning algorithm
  4. Descubrimiento de conocimiento en BD (KDD)
  5. Aprendizaje automático 𝒚 ≈ Aprendizaje supervisado 𝒚 ∈ ℤ 𝒚 ∈ ℝ Clasificación Regresión
  6. Métricas de evaluación de modelos De aprendizaje automático supervisado Qué algoritmo de ML es mejor?
  7. Evaluación del modelo
  8. Métricas de regresión
  9. Métricas de regresión
  10. Métricas de regresión
  11. Métricas de regresión
  12. Métricas de regresión
  13. Métricas de regresión
  14. Métricas de regresión (-inf, 1)
  15. Métricas de regresión
  16. Veamos un ejemplo
  17. Métricas de clasificación
  18. Matriz de confusión
  19. Métricas de clasificación
  20. Lo que se quiere que no pase Métricas de clasificación
  21. Sensibilidad Recall Métricas de clasificación
  22. Métricas de clasificación
  23. Métricas de clasificación
  24. Métricas de clasificación
  25. Veamos un ejemplo
  26. Sobre ajuste, imaginen una competencia de triatlón
  27. Quién ganará?
  28. Sobre ajuste
  29. Sobre ajuste
  30. Partición de datos
  31. Partición de datos
  32. https://genome.tugraz.at/proclassify/help/pages/XV.html Validación cruzada
  33. Veamos un ejemplo
  34. https://scikit- learn.org/stable/modules/cross_validation.html
  35. Distancia Euclidiana
  36. Distancia Manhattan
  37. KNN
  38. KNN
  39. Regresión lineal