Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 356 vistas

    Hacer Predicciones Con Árbol de Clasificación y Regresión Logística-Orange - 001

    Cargado por

    Edgar Tipan
    Este documento describe el proceso de hacer predicciones utilizando árboles de clasificación y regresión logística sobre un conjunto de datos de frutas y vegetales. Se entrenan dos modelos, un árbol de clasificación y regresión logística, utilizando características como calorías, proteínas, fibra y vitaminas en los datos de entrenamiento. Luego, se realizan predicciones sobre un conjunto de datos de prueba para determinar si cada elemento es una fruta o un vegetal, y se comparan las predicciones de los dos

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Hacer Predicciones Con Árbol de Clasificación y Regresión Logística-Orange - 001

    Cargado por

    Edgar Tipan
    356 vistas5 páginas
    Este documento describe el proceso de hacer predicciones utilizando árboles de clasificación y regresión logística sobre un conjunto de datos de frutas y vegetales. Se entrenan dos modelos, un árbol de clasificación y regresión logística, utilizando características como calorías, proteínas, fibra y vitaminas en los datos de entrenamiento. Luego, se realizan predicciones sobre un conjunto de datos de prueba para determinar si cada elemento es una fruta o un vegetal, y se comparan las predicciones de los dos

    Descripción original:

    Orange

    Título original

    Hacer Predicciones Con Árbol de Clasificación y Regresión Logística-Orange_001

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe el proceso de hacer predicciones utilizando árboles de clasificación y regresión logística sobre un conjunto de datos de frutas y vegetales. Se entrenan dos modelos, un árbol de clasificación y regresión logística, utilizando características como calorías, proteínas, fibra y vitaminas en los datos de entrenamiento. Luego, se realizan predicciones sobre un conjunto de datos de prueba para determinar si cada elemento es una fruta o un vegetal, y se comparan las predicciones de los dos

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    356 vistas5 páginas

    Hacer Predicciones Con Árbol de Clasificación y Regresión Logística-Orange - 001

    Cargado por

    Edgar Tipan
    Este documento describe el proceso de hacer predicciones utilizando árboles de clasificación y regresión logística sobre un conjunto de datos de frutas y vegetales. Se entrenan dos modelos, un árbol de clasificación y regresión logística, utilizando características como calorías, proteínas, fibra y vitaminas en los datos de entrenamiento. Luego, se realizan predicciones sobre un conjunto de datos de prueba para determinar si cada elemento es una fruta o un vegetal, y se comparan las predicciones de los dos

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 5

    Hacer predicciones con rbol de clasificacin y regresin logstica.

    Una de las cosas que puede hacer un cientfico de datos es hacer predicciones, pero
    no se trata de una chica con una bola de cristal. Se trata de datos slidos para lograr
    predicciones con cierto grado de exactitud.

    a. Se usara un widget para predecir clases de etiquetas para instancias de datos


    en el grupo de datos
    b. Se utilizara el grupo de datos de frutas como un grupo de datos de
    entrenamiento para entrenar al clasificador

    Train data set: http://tinyurl.com/fruits-and-vegetab...

    https://www.youtube.com/watch?v=D6zd7m2aYqU

    Test data set: http://tinyurl.com/test-fruits-and-ve...

    Se tienen caractersticas en los datos de prueba como son, la cantidad de caloras, protenas,
    fibra, vitaminas , y contenido de minerales.

    Basado en estos detalles nos gustara predecir, si una planta es una fruta o un vegetal

    Por supuesto que estamos interesados en los tems mas importantes para nuestra
    clasificacin.El cual nos ayude a predecir de mejor manera si es una fruta o un vegetal

    Paso1: Inicialmente; tomamos los datos de train data y creamos un origen de datos; para ello
    usamos un rbol de clasificacin o de decisin; y visualizamos para tener una idea de su
    clasificacin
    Paso 2 : Visualizamos el Arbol de decision

    En nuestro caso el ms importante es la cantidad de caloras, el contenido de vitamina A y


    protenas; los cuales sern los factores de decisin en nuestra prediccin.

    PASO 3: DESARROLLO DE PREDICCIONES

    Para desarrollar la predicciones; creamos una hoja de clculo en Google sheets o en Excel que
    nos permitir retroalimentar a nuestro modelo para entrenarlo y lograr mejores predicciones.

    Se debe tener cuidado de utilizar los mismos nombres de campos de la tabla original, a fin de
    garantizar que Orange pueda predecir ( match names)

    Ahora leemos los datos creados para retroalimentar al modelo


    Paso 4:

    Aadimos un widget para las predicciones; pero todava no predice nada, porque necesita del
    set de datos para retroalimentar y predecir, es decir debemos tener una entrada de datos
    clasificados.

    Entonces alimentamos las predicciones con el widget de clasificacin

    Obtenemos la prediccin:

    En el primero y el ultimo dice que es una fruta con el 100% de certeza; en el segundo caso dice
    que lo es con el 67%
    PASO 5: comparar lo calculado con nuevas predicciones, esto se logra utilizando otros
    clasificadores, el mas simple es Regresin Logstica, observemos que sucede con esta
    predicciones:

    Paso 6: Verificamos la nueva prediccin: concuerda con la anterior porque ahora nos verifica
    que hay dos frutas y un vegetal.
    https://www.youtube.com/watch?v=D6zd7m2aYqU

    También podría gustarte