syllabus-2020-2's People
Forkers
geli3 ireynoldsc nicolas245cl cralfag pabloramirezfierro joabarm gabby-reyes-github cevittog lampo246 martinqs85 oberettag xkrowz karennsm ffloresm juan-luis-cordova sergiocastillog pablosantiagoramirefierro aengdahly juanreutter joacoalvarado1 angel-valdessyllabus-2020-2's Issues
Duda Parte 2
Una consulta: En la parte 2 solo hay que entrenar el modelo y nada más. Estamos un tanto enredados porque el enunciado dice que debemos hacer un clasificador, sin embargo el algoritmo de Regresión Logística es un algoritmo de clasificación, entonces nos enredamos respecto de que hay que responder.
Duración Video entrega 2 Proyecto
Alguien recuerda exactamente cuánto debía durar el vídeo que se debe subir a youtube?
Actividad 3
Hola profe, me iba a poner a hacer la actividad 3 (que es para el viernes) pero no la encuentro por ningún lado.
Gracias
@alanezz
Error Gráficos parte 3 Actividad 3
hola profesor,
estoy haciendo la parte 3 de la actividad y en el proceso de graficar me tira errores con LogisticRegression, diciendo que predict_proba y coef_ no son atributos del mismo
estoy utilizando collab, intenté hacerlo por jupyter y me continuó lanzando el mismo error
¿cómo puedo solucionarlo?
dejo los errores:
AttributeError: 'LogisticRegression' object has no attribute 'predict_proba'
AttributeError: 'LogisticRegression' object has no attribute 'coef_'
Saludos!
Duda log_reg.beta
Hola profe, tenemos una duda en la parte de partial de la función train (y luego la de predict).
Lo que hizo en ayudantía fue usar log_reg fuera de la función, para entrenar el modelo y guardar los betas; ¿por qué lo colocó dentro de la función train (log_reg.beta)? No debería ser self.beta?
partial = partial + ((float(sigmoid(log_reg.beta.T.dot(X[i,:].reshape(3,1))))) - float(y[i]))*float(X[i, j])
Se probó el código con ambos y funciona; pero nos parece que debe ser con self.beta porque así no hacemos que la función depende de algo que está afuera.
Gracias!
Búsqueda de parámetros con kernel='poly'
Hola profe,
Tenemos una duda para poder aplicar GridSearch con un kernel='poly', pues los parámetros que entregamos al comienzo:
param_grid = {
'svm_clf__C': [0.001, 10, 1000],
'svm_clf__gamma': [0.1, 1, 5, 10],
}
demoran mucho en ejecutarse para poder encontrar un valor de C y gamma apropiado para usar este tipo de kernel con los datos. ¿Sabe de qué modo lo podemos solucionar?
Duda Actividad 4
Hola profe! Me surgió una duda en la parte en que se hace el modelo en la actividad 4. Al hacer el fit debo pasarle los datos de entrenamiento cierto? De ser así, en que momento utilizaría los de prueba?
Gracias!
Formato entrega y Pregunta 3
Hola profe, tengo una duda en el control.
Primero, basta con hacer un Word con solo palabras? O se espera un documento estilo Latex con las matrices de confusión hechas, entre otras cosas?
Y lo segundo, no entiendo lo que se pide en la pregunta 3.
A que se refiere por qué funciona?
En la regresión lineal múltiple se intenta minimizar los cuadrados de las distancias de cada punto a la linea o figura que se quiere ajustar. En el caso de la polinómica se intenta elegir un polinomio P(x) y minimizar la distancia global de todos los puntos al polinomio P(x). Por esa razón funciona? O que es lo que espera que pongamos, estoy un poco perdido con eso.
Link Forests
Hola profe @alanezz , podría habilitar el link en Webcursos para subir la actividad 5 por favor 🙏 .
Saludos. 😄
Gráfico parte 3
Hola Profesor,
Tenemos la duda con mi compañero en la Parte 3 de la Actividad 3 donde dice: "compara este gráfico con el entregado por SciKit Learn." ¿Debemos mostrar 2 gráficos? uno es el que vimos en clases y el otro cual seria? ¿Cómo debemos usar from sklearn.model_selection import StratifiedKFold (estaba en la sección de la parte 3)?
Dataset Actividad 4
Profe, me preguntaba si el CSV entregado para realizar la Actividad 4 es el dataset original, o fue modificado? Luego de realizar el modelo, seria interesante tener el nombre de los vinos, tipos, viñas, etc.... Para sacarle mejor provecho al modelo digo yo 💁
También quizás seria interesante si tiene un dataset similar de cervezas, para poder seguir practicando 😃
Gracias!
Error en poly_kernel_svm_clf.fit(X, y)
Buenas tardes,
Intentando correr el código de SVM multiclase, me tira error en la parte del poly_kernel_svm_clf.fit(X, y), diciendo: 'ValueError: Input contains NaN'.
Intenté borrando los nulos, los vacíos y los 0 y me sigue tirando el error
Intenté hacer el modelo solo con 2 variables y me sigue tirando el error
Intenté pasar el dataframe a arreglo de numpy y me sigue tirando el error
Ya no sé qué más hacer, no sé si a alguien más le ha pasado por si me pudiera ayudar, por favor
Value en Predict
Hola profe,
tenemos una duda con respecto a la función predict, tenemos que suponer que esta función ya conoce los beta o dentro de value deben estar los beta?
En la misma línea, queríamos saber qué hay dentro de value? es una lista o una matriz o qué es?
Saludos!
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.