Módulo 3 : Regresión lineal y Regresión logistica
Este repositorio contiene nuestro trabajo realizado en el modulo 3:
1.Regresión lineal:
01. Introducción
02. Test
03. Correlación y covarianza
04. Asunciones
05. Normalización
06.Estandarización
07.ANOVA
08.Encoding
09.Regresión lineal Introducción
10.Metricas
11.Decision Tree
12.Random Forest
2.Regresión logistica:
01. Introducción
02. Preprocesado
03. Ajuste
04. Metricas
05. Decision Tree
06. Random Forest
Se necesitarán las librerias:
datetime
matplotlib.pyplot
numpy
pandas
pickle
requests
sidetable
seaborn
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor
from sklearn import tree
from sklearn.metrics import r2_score, mean_squared_error, mean_absolute_error
from sklearn.model_selection import GridSearchCV
from tqdm import tqdm
from sklearn.tree import DecisionTreeRegressor
from sklearn.preprocessing import StandardScaler
from sklearn.preprocessing import RobustScaler
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import cross_validate
from sklearn import metrics