Requisito previo: regresión lineal , R-cuadrado en regresión ¿Por qué? Prueba R cuadrada ajustada: la prueba R cuadrada se usa para determinar la bondad de ajuste en el análisis de regresión. La bondad de ajuste implica cómo se ajusta mejor el modelo de regresión a los puntos de datos. Más es el valor de r-cuadrado … Continue reading «ML | R-cuadrado ajustado en el análisis de regresión»
Prerrequisitos: Regularización en ML Sabemos que usamos la regularización para evitar el ajuste insuficiente y el ajuste excesivo mientras entrenamos nuestros modelos de Machine Learning. Y para este propósito, utilizamos principalmente dos tipos de métodos, a saber: regularización L1 y regularización L2. Regularizador L1 : ||w|| 1 =( |w 1 |+|w 2 |+ . . … Continue reading «Cómo la regularización L1 trae escasez»
Analicemos qué es el aprendizaje para una máquina como se muestra a continuación: Se dice que una máquina está aprendiendo de Experiencias pasadas (alimentación de datos) con respecto a alguna clase de tareas si su Desempeño en una Tarea dada mejora con la Experiencia. Por ejemplo, suponga que una máquina tiene que predecir si un … Continue reading «ML | Tipos de aprendizaje: aprendizaje supervisado»
Antes de saltar al Diagrama de Venn de la ciencia de datos de Drew Conway, la primera pregunta que surge es: “ ¿Qué es la ciencia de datos? La ciencia de datos pretende varias cosas para varias personas, pero en resumen, la ciencia de datos utiliza datos para responder preguntas. ¡Esta definición es bastante amplia, … Continue reading «Diagrama de ciencia de datos de Drew Conway»
Alan Turing declaró en 1947 que “ Lo que queremos es una máquina que pueda aprender de la experiencia. ¡ Y este concepto es una realidad hoy en forma de Machine Learning! En términos generales, el aprendizaje automático implica el estudio de algoritmos informáticos y modelos estadísticos para una tarea específica utilizando patrones e inferencias … Continue reading «Los mejores libros para aprender aprendizaje automático para principiantes y expertos»
Red Neuronal Artificial (RNA): La Red Neural Artificial (ANN), es un grupo de múltiples perceptrones o neuronas en cada capa. ANN también se conoce como red neuronal Feed-Forward porque las entradas se procesan solo en la dirección de avance. Este tipo de redes neuronales son una de las variantes más simples de las redes neuronales. … Continue reading «Diferencia entre ANN, CNN y RNN»
La detección de emociones es uno de los temas más candentes en la investigación hoy en día. La tecnología de detección de emociones puede facilitar la comunicación entre máquinas y humanos. También ayudará a mejorar el proceso de toma de decisiones. Se han propuesto muchos modelos de aprendizaje automático para reconocer las emociones del texto. … Continue reading «Detección de emociones mediante LSTM bidireccional»
Para usar la API de weka, debe instalar weka de acuerdo con su sistema operativo. Después de descargar el archivo y extraerlo, encontrará el archivo weka.jar. El archivo JAR contiene todos los archivos de clase necesarios, es decir, la API de weka. Ahora podemos encontrar toda la información sobre las clases y métodos en la … Continue reading «¿Cómo utilizar la API Java de Weka?»
Prerrequisitos: RNN Las redes neuronales de Hopfield, inventadas por el Dr. John J. Hopfield, consisten en una capa de neuronas recurrentes ‘n’ totalmente conectadas. Generalmente se utiliza para realizar tareas de optimización y asociación automática. Se calcula utilizando un proceso interactivo convergente y genera una respuesta diferente a la de nuestras redes neuronales normales. Red … Continue reading «Red neuronal Hopfield»
Se utiliza una gráfica de desviación estándar para verificar si hay una desviación entre diferentes grupos de datos. Estos grupos se pueden generar manualmente o se pueden decidir en función de alguna propiedad del conjunto de datos. Los gráficos de desviación estándar se pueden formar de: Eje vertical: Grupo Desviación estándar Eje Horizontal: Identificador de … Continue reading «Gráfica de desviación estándar»