El presente GIT tiene como objetivo presentar el desarrollo un algoritmo que implementa Machine Learning mediante regresiones lineales como modelos de entrenamiento y clasificacion. Como parte de una tarea asignada en la Universidad Sergio Arboleda, se plantea una solucion de acuerdo a un DataSet que contiene informacion relacionada con actividades bancarias.
Este trabajo se basa en la implementacion de bibliotecas como Sklearn, Seaborn y Pandas, con el proposito de hacer flexible la programacion que experimental y comunmente hace uso de estas.
Scikit-learn se aprovecha comunmente para proporcionar implementaciones de muchos algoritmos de aprendizaje automático bien conocidos, mientras mantiene una interfaz fácil de usar estrechamente integrada con el lenguaje Python. Esto responde a la creciente necesidad de estadísticas análisis de datos por especialistas o no, en las industrias de software y web, así como en campos fuera de la informática, como la biología o la física. Scikit-learn se diferencia de otras cajas de herramientas de aprendizaje automático en Python por que se distribuye bajo la licencia BSD incorpora código compilado para mayor eficiencia, depende solo de numpy y scipy, para facilitar aun mas su distribución.
- [Manuel Leonardo Salgado Olmos]
- Miguel Angel Ruiz Torres
- Identificacion de DataSet y creacion de modelos adaptados de aprendizaje a partir de ello
- Analisis e ingenieria de datos a partir del objetivo a un modelo satisfactorio
- Descomposicion del error en relacion con las curvas de aprendizaje
El montaje se realiza mediante la ejecucion del Notebook en Google Colaboratory, donde unicamente es necesario subir el DataSet modelo-01c.csv para realizar pruebas a profundidad.
GNU General Public License V3
Free learning, Hell Yeah!