Anuncio: ¡Nuevo libro de Luis Serrano! Grokking Machine Learning. bit.ly/grokkingML
Código de descuento del 40%: serranoyt
Un viaje amigable en el proceso de evaluar y mejorar modelos de aprendizaje automático.
- Entrenamiento, Pruebas
- Métricas de Evaluación: Precisión, Exactitud, Recuperación, F1 Score
- Tipos de Errores: Sobreajuste y Subajuste
- Validación Cruzada y Validación Cruzada K-fold
- Gráficos de Evaluación de Modelos
- Búsqueda en Rejilla
Para una implementación de código, consulta este repositorio:
0:00 Introducción
0:37 Qué modelo es mejor
1:31 ¿Por qué probar?
3:27 Regla de Oro # 1
4:21 ¿Cómo no 'perder' los datos de entrenamiento?
4:38 Validación Cruzada K-Fold
5:20 Aleatorización en Validación Cruzada
5:38 Métricas de Evaluación
7:53 Modelo Médico
8:05 Modelo de Clasificación de Spam
9:25 Diagnóstico de la Matriz de Confusión
11:50 Precisión
19:47 Exactitud y Recuperación
20:54 Fraude con Tarjeta de Crédito
22:36 Media armónica
24:08 F1 Score
27:16 Tipos de Errores
27:56 Clasificación
30:03 Error debido a la varianza (sobreajuste)
30:18 Error debido al sesgo (subajuste)
31:45 Compensación
37:55 Solución: Pruebas de Validación Cruzada
39:16 Entrenando un Modelo de Regresión Logística
40:04 Entrenando un Árbol de Decisión
40:49 Entrenando una Máquina de Vectores de Soporte
41:14 Validación Cruzada de Búsqueda en Rejilla
41:59 Parámetros y Hiperparámetros
42:56 Cómo resolver un problema
43:20 Cómo usar el aprendizaje automático
44:04 ¡Gracias!