- Supervised LEarning : intake oinput feautrea and precit an output target variable ( Predicen objetivos o targets )
1.1 Regression : Predict numerical targets
1.2 Classification : Predic laberl or grouping and so the goal is to predict a cartegorial tyoe variable
-
Unsupervised Learning : The target is unknow. We eed to able to find some sort of grouping or structure within our dataset. ( Predicen patrones o estrucras en los datos)
2.1. Clustring :
2.2. Dimension aluty reduction
SEcond Section.
Procesos de DDdeisicon :
Error Fucion or Cost Function : Como evaluar los parametros en el modelo para generar buenas predicciones.
REglas de actualizacon : Como mejorar los parametros para hacer mejores predicciones.
Normalizacion de valores numericos
x= punto - promedio / desvuacion estanddar.
Preparando datos para modleos
DEl conjuento original de datos se tiene tres gurpos
Trainig 60-80% datos de los que el modelo aprende patrones Validarion 0-20% ddatos que usas para verfiicar que el modelo aprende Testing 0-20 datos que se apartanpara revisar si el modelo fue exitoso al predecir
REGRESION LOGISTICA. - Preice una clase etiqeuta,
Confusion matrix
Proceso de desición
Funcion de error
Regla de actulaizacion
REGRESION LiNEAL:
ARBOLES DE DESICIÓN,
Algotiymos no usperisaos
K--means clustering
Coste function