Este repositorio trata de resolver problemas de ML usando diferentes algoritmos presentes en la librería scikit-learn de Python. Las técnicas que se cubren aquí son:
.
.
.
.
Por cada uno de estos algoritmos vamos a resolver tres problemas diferentes:
- Dado un conjunto de datos pequeño, vamos a aplicar el algoritmo de manera "manual", para poder comprender completamente cómo funciona.
- Dado el problema de clasificación del Blood Transfusion Training Center, vamos a dividir los datos en train/test para aplicar el algoritmo sobre los datos de entrenamiento usando diferentes valores de los hiperparámetros del mismo, y generar así un modelo que nos dé la mayor precisión posible al evaluar en los datos de test.
- Dado el problema de regresión de Energy Efficiency, vamos a seguir los mismos pasos que en el problema 2 pero usando el error cuadrático medio (MSE) como medida para obtener el error en la predicción de la variable de salida por parte de nuestro modelo.
El repositorio está dividido en diferentes carpetas (una por algoritmo), cada una de ellas teniendo su propio PDF para explicar como los 3 problemas deben resolverse y un Jupyter Notebook autoexplicativo que contiene todo el código. Los datos que se van a usar están bajo la carpeta datos.
A modo de resumen, el cometido de este repositorio es permitirnos entender cómo trabajan diferentes técnicas de Machine Learning, comenzando con un ejemplo en un conjunto de datos pequeño y siguiendo con la aplicación de los mismos a dos casos de uso reales.
Para poder ejecutar este proyecto se necesita tener instalado Jupyter Notebook y las siguientes librerías de Python: scikit-learn, matplotlib, pandas y numpy.