Introducción a R. Caso práctico aprendizaje automático. Entrenamiento y evaluación de | 41/41 | UPV

Título: Introducción a R. Caso práctico aprendizaje automático. Entrenamiento y evaluación de 4 modelos


Descripción automática: En este video se explica cómo entrenar y comparar diferentes modelos de aprendizaje automático en R utilizando el paquete 'caret'. Se comienza cargando los datos del conjunto de Iris y particionando en conjuntos de entrenamiento (80%) y prueba (20%), asegurando reproducibilidad con semillas aleatorias.

Se presentan métricas de evaluación como la precisión y el índice kappa para determinar el balance del modelo en la clasificación. A continuación, se introduce la validación cruzada con 10 pliegues para optimizar el uso de los datos de entrenamiento, garantizando una estimación precisa del rendimiento del modelo.

El tutorial continúa con la evaluación de cuatro algoritmos: análisis discriminante lineal, k vecinos más cercanos (KNN), árboles de decisión C5.0 y máquinas de vectores de soporte con núcleo lineal, destacando pertinentes parámetros y resultados para cada uno. La importancia de entender el funcionamiento de los algoritmos se discute en relación con la expectativa de rendimiento.

Finalmente, se resalta cómo visualizar los resultados de la precisión y kappa, incluyendo la dispersión de los modelos entrenados. El video concluye con la selección del modelo óptimo (LDA en este caso), la realización de predicciones en datos de prueba y el análisis de la matriz de confusión correspondiente, asegurando un modelo eficaz para pasar a producción.

Autor/a: Despujol Zabala Ignacio

Curso: Este vídeo es el 41/41 del curso MOOC Introducción a R para ciencia de datos.    • MOOC Introducción a R para ciencia de datos  
Inscríbete en: https://upvx.es/courses/course-v1:edx...


Universitat Politècnica de València UPV: https://www.upv.es
Más vídeos en:    / valenciaupv  
Accede a nuestros MOOC: https://upvx.es

#R #aprendizaje automático #modelos #entrenamiento #caret