Want to create interactive content? It’s easy in Genially!

Get started free

MAPA LINEAL MODELOS DE APRENDIZAJE MACHINE LEARNING[ML]

Adriana Alonso

Created on December 25, 2023

Start designing with a free template

Discover more than 1500 professional designs like these:

Visual Presentation

Terrazzo Presentation

Colorful Presentation

Modular Structure Presentation

Chromatic Presentation

City Presentation

News Presentation

Transcript

Machine Learning& Phyton Aprendiendo a Programar

Empezar

#Python_coder/Adriana Alonso

05:09:44:02

Days

Hrs

Mins

Secs

La regresión logística a diferencia de la lineal se utiliza cuando la variable dependiente tiene sólo dos posibles estados binarios (verdadero/falso, si/no).Se utiliza para resolver problemas de clasificación binaria.

Se basa en la cercanía entre puntos de datos y su relación con otros datos disponibles. Parte del supuesto de que puntos de datos similares tienden a agruparse cerca unos de otros, el algoritmo calcula la distancia entre los puntos da datos utilizando la distancia euclidiana y luego asigna categorías basada en la categoría más común o en el promedio de las categorías de los puntos cercanos

Es una técnica empleada cuando el número de características o dimensiones en un conjunto de datos es excesivamente alto. Su propósito es disminuir la cantidad de entradas de datos a un nivel manejable sin sacrificar en la medida de lo posible la integridad del conjunto de datos. Normalmente, se utiliza en la etapa de preprocesamiento de datos

Factoriza una matriz, A, en tres matrices de bajo rango. SVD se denota mediante la fórmula A = USVT, donde U y V son matrices ortogonales. S es una matriz diagonal y los valores de S se consideran valores singulares de la matriz A. Al igual que PCA, se usa comúnmente para reducir el ruido y comprimir datos, como archivos de imágenes

No se utiliza habitualmente

Generalmente se visualizan mediante un diagrama en forma de árbol que documenta la fusión o división de puntos de datos en cada iteración (dendrograma)