Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


Predictive Modeling con KNN: Aprendizaje Supervisado y Clasificación, Ejercicios de Ciencias

En este documento, enrique j. De la hoz d. Presenta una introducción a los modelos predictivos basados en aprendizaje supervisado y en particular a la técnica de clasificación knn. El autor explica el concepto básico de aprendizaje supervisado, las diferentes aproaches y aplicaciones de clasificación, el funcionamiento de knn y cómo determinar el valor adecuado de 'k'. Además, se muestran ejemplos de cómo implementar knn en r.

Tipo: Ejercicios

2018/2019

Subido el 29/09/2019

keydis-martinez-villadiego
keydis-martinez-villadiego 🇨🇴

1 documento

1 / 14

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
Predictive Modeling with KNN
Enrique J. De La Hoz D.
UTB - Data Science
Enrique J. De La Hoz D. Predictive Modeling with KNN UTB - Data Science 1 / 14
pf3
pf4
pf5
pf8
pf9
pfa
pfd
pfe

Vista previa parcial del texto

¡Descarga Predictive Modeling con KNN: Aprendizaje Supervisado y Clasificación y más Ejercicios en PDF de Ciencias solo en Docsity!

Predictive Modeling with KNN

Enrique J. De La Hoz D.

UTB - Data Science

Machine Learning

Es una rama de la Inteligencia Artificial cuyo objetivo es el desarrollo

para que las computadoras aprendan solas. Por tanto, la base de este

son las ciencias matemáticas y no el almacenamiento de datos.

Esta basado en el desarrollo de las ciencias de la computación más no

en el desarrollo de la tecnología.

Supervised Learning approaches

Las técnicas de clasificación predicen respuestas discretas, por ejemplo,

si un correo electrónico es genuino o no deseado, o si un tumor es

canceroso o benigno.

Clasificar los datos de entrada en categorías. Aplicaciones Típicas

incluye imágenes médicas, reconocimiento de voz y puntuacion de

credito.

Las técnicas de regresión predicen respuestas continuaspor ejemplo,

cambios en la temperatura o fluctuaciones en la demanda de energía.

Las aplicaciones típicas incluyen previsión de carga eléctrica y

negociación algorítmica.

Classification with KNN

Figure 1:

Understanding KNN

Figure 3:

The key is in the distance

Figure 4:

What about the “k” value

Figure 5:

What is the decision in this case when k=1, k2,

k=3)

KNN assumes numeric data

Advantages of Normalized data

Figure 9: