Популярное

Музыка Кино и Анимация Автомобили Животные Спорт Путешествия Игры Юмор

Интересные видео

2025 Сериалы Трейлеры Новости Как сделать Видеоуроки Diy своими руками

Топ запросов

смотреть а4 schoolboy runaway турецкий сериал смотреть мультфильмы эдисон
dTub
Скачать

Cross-validation (o Validación Cruzada) para Evaluar Modelos de Machine Learning con Python

Автор: Codigo Maquina

Загружено: 2021-12-13

Просмотров: 21404

Описание:

Para citar este recurso educativo utiliza la siguiente referencia:

Gutiérrez-García, J.O. [Código Máquina]. (2021, 13 de Diciembre). Cross-validation (o Validación Cruzada) para Evaluar Modelos de Machine Learning con Python [Video]. YouTube. [Incluye aquí la URL del video].

👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en https://www.xiperia.com

ℹ️ Octavio Gutiérrez es el único responsable del contenido, afirmaciones y opiniones expresadas en este video, las cuales no están vinculadas a las organizaciones a las que está asociado.

🌐 Para conocer más sobre Octavio Gutiérrez, visita su perfil en LinkedIn   / octaviogutierrez  

Para guiar tu aprendizaje, en este vínculo (   • Curso de Inteligencia Artificial (IA) y Ma...  ) se encuentra una guía secuencial para aprender:

1. Programación Básica con Python;
2. Manejo de Datos;
3. Visualización de Datos;
4. Análisis de Datos; y
5. Aprendizaje de Máquina y Ciencia de Datos.

********************************************

Conoce cómo se deben evaluar los modelos de aprendizaje de máquina (ya sea de regresión o clasificación) para determinar apropiadamente su poder de generalización. Este video explica la técnica de validación cruzada (cross-validation): uno de los mecanismos más utilizados y robustos para evaluar modelos de aprendizaje de máquina. Además, se presenta cómo evaluarlos utilizando la librería Scikit-Learn de Python.

Índice del Video:

0:54 Evaluación tradicional
5:09 Validación cruzada ¿Por qué?
5:50 Validación cruzada ¿Cómo?
9:41 Implementación con SkLearn


⭐ Apoya a Código Máquina dando un Like, Comentando, Compartiendo o con un Super Gracias.

⭐ De la co-fundadora de Código Máquina, productos de cosmética natural SINHAKI:
https://www.amazon.com.mx/stores/sinH...


El código y datos del video están disponibles en GitHub https://github.com/CodigoMaquina/code


#CienciaDeDatos #AprendizajeDeMaquina #DataScience #MachineLearning #ScikitLearn #AprendizajeAutomatico #python

Cross-validation (o Validación Cruzada) para Evaluar Modelos de Machine Learning con Python

Поделиться в:

Доступные форматы для скачивания:

Скачать видео mp4

  • Информация по загрузке:

Скачать аудио mp3

Похожие видео

Random Forest (Bosque Aleatorio) para Clasificación con Python

Random Forest (Bosque Aleatorio) para Clasificación con Python

Validación cruzada y k-fold cross-validation

Validación cruzada y k-fold cross-validation

Codifica datos categóricos nominales para Machine Learning y Ciencia de Datos con Python

Codifica datos categóricos nominales para Machine Learning y Ciencia de Datos con Python

Основы машинного обучения: Кросс-валидация.

Основы машинного обучения: Кросс-валидация.

K-means (o K-medias) para detección de Clusters: Algoritmo e implementación con Python

K-means (o K-medias) para detección de Clusters: Algoritmo e implementación con Python

Machine Learning: Fundamentos

Machine Learning: Fundamentos

299 - Evaluating sklearn model using KFold cross validation​ in python

299 - Evaluating sklearn model using KFold cross validation​ in python

Imputación (o Manejo de Datos Faltantes) con Python

Imputación (o Manejo de Datos Faltantes) con Python

Полное руководство по перекрестной проверке

Полное руководство по перекрестной проверке

Визуализация скрытого пространства: PCA, t-SNE, UMAP | Глубокое обучение с анимацией

Визуализация скрытого пространства: PCA, t-SNE, UMAP | Глубокое обучение с анимацией

Optimiza tus Modelos de Machine Learning ajustando Hiperparámetros con Python

Optimiza tus Modelos de Machine Learning ajustando Hiperparámetros con Python

301 - Evaluating keras model using KFold cross validation​

301 - Evaluating keras model using KFold cross validation​

Inteligencia Artificial y Deep Learning desde CERO con Python, Tensorflow y Keras

Inteligencia Artificial y Deep Learning desde CERO con Python, Tensorflow y Keras

Regresión Lineal con Python

Regresión Lineal con Python

Escalamiento, Normalización y Estandarización de Datos con Python para Ciencia de Datos

Escalamiento, Normalización y Estandarización de Datos con Python para Ciencia de Datos

Перекрёстная проверка по K-свертке, стратифицированная K-свертка, перекрёстная проверка с исключе...

Перекрёстная проверка по K-свертке, стратифицированная K-свертка, перекрёстная проверка с исключе...

Evalúa un modelo de Machine Learning con validación cruzada | Machine Learning 101

Evalúa un modelo de Machine Learning con validación cruzada | Machine Learning 101

Qué son los Datos Desbalanceados y Cómo balancearlos usando Submuestreo y Sobremuestreo con Python

Qué son los Datos Desbalanceados y Cómo balancearlos usando Submuestreo y Sobremuestreo con Python

Análisis Exploratorio de Series de Tiempo con Gráficas de Autocorrelación y Retardo usando Python

Análisis Exploratorio de Series de Tiempo con Gráficas de Autocorrelación y Retardo usando Python

TUTORIAL: Aplicando Machine Learning con PYTHON para un problema de CLASIFICACIÓN.

TUTORIAL: Aplicando Machine Learning con PYTHON para un problema de CLASIFICACIÓN.

© 2025 dtub. Все права защищены.



  • Контакты
  • О нас
  • Политика конфиденциальности



Контакты для правообладателей: [email protected]