Auto-reproducción
Autocompletar
Clase Previa
Completar y continuar
Machine Learning: Modelos de Clasificación con R
Introducción
1.1 Puntos importantes antes de iniciar (1:33)
1.2 Modelos de Clasificación (4:11)
Módelo k Vecinos Más Cercanos (KNN)
2.1 Entendiendo el Modelo de k Vecinos Más Cercanos - KNN (9:01)
2.2 Conjuntos de Entrenamiento y Prueba (5:58)
2.3 Distancias Euclidianas o Euclideas (7:51)
Quiz
2.4 Probando diferentes k (5:07)
2.5 Poner a escala los valores de las variables (11:58)
2.6 Práctica Modelo para Compra de Casa con KNN (3:29)
2.7 Resolucion Práctica - Modelo para Compra de Casa con KNN (13:32)
2.8 Resolución Práctica - Graficar la Matriz de Confusión (5:50)
2.9 Modelo KNN con Variables Categóricas y la Función KKNN (10:28)
Modelo Naive Bayes
3.1 Entendiendo el Modelo Naive Bayes (7:08)
3.2 Cálculo de Probabilidades (7:19)
3.3 Construir el Modelo y Predecir con Naive Bayes (5:40)
3.4 Explicación de la “ingenuidad” en el Modelo (5:42)
3.5 Uso de variables numéricas dentro del Modelo (9:42)
3.6 Evaluar el Modelo Naive Bayes con Datos de Prueba (10:10)
Métricas de Evaluación de Modelos de Clasificación
4.1 La Matriz de Confusión (3:36)
4.2 Métricas de Clasificación Binaria (6:37)
4.3 La Curva ROC (5:31)
Modelo de Regresión Logística
5.1 Introducción al Modelo de Regresión Logística (5:15)
5.2 Construccion del Modelo de Regresión Logística en R (12:28)
5.3 Evaluar nuestro Modelo de Regresión Logística (8:13)
5.4 Evaluar el Modelo de Regresión Logística con la Curva ROC (3:05)
5.5 Selección Automática de Variables (Stepwise Regression) (17:42)
5.6 Codificación Ficticia (8:37)
5.7 Trabajar con Valores Faltantes (7:35)
Modelo de Árboles de Decisión
6.1 Fundamentos del Modelo de Árboles de Decisión (4:18)
6.2 Preparación de los Datos para Arboles de Decisión (7:01)
6.3 Construcción del Árbol de Decisión (12:42)
6.4 Exactitud del Modelo Inicial (5:25)
6.5 Construir un Modelo Completo (4:26)
6.6 Árbol de Decisión del Modelo Completo (6:49)
6.7 Mejora del Árbol de Decisión a través de la Poda (2:37)
6.8 Pre-Podar el Árbol de Decisión (4:39)
6.9 Podar el Árbol de Decisión Posteriormente (7:21)
Modelo de Bosques Aleatorios
7.1 Modelo de Bosques Aleatorios (2:57)
7.2 Construir el Modelo de Bosques Aleatorios (6:07)
7.3 Construir la Gráfica ROC y calcular el AUC (8:17)
Trabajando con Conjuntos de Datos No Balanceados
8.1 Conjuntos de Datos No Balanceados (3:54)
8.2 Preparación de los Datos No Balanceados (9:10)
8.3 Balancear el Conjunto de Datos con Sobremuestreo (6:03)
8.4 Balancear el Conjunto de Datos con Submuestreo (4:11)
8.5 Balancear el Conjunto de Datos con Sobremuestreo y Submuestreo (4:12)
8.6 Balancear el Conjunto de Datos con SMOTE (6:04)
8.7 Modelos de Clasificación No Balanceado (7:10)
8.8 Modelos de Clasificación Balanceado (6:48)
8.9 Costos de un Modelo de Detección (7:43)
Modelo de Clustering Jerárquico (No Supervisado)
9.1 Introducción al Modelo de Clustering Jerárquico (11:46)
9.2 Construcción del Cluster Jerárquico (24:40)
9.3 Cantidad de grupos requeridos (Poda) (13:03)
9.4 Cortar los árboles y graficarlos (8:09)
9.5 Creación de Dendogramas y Tanglegram (3:24)
9.6 Determinar el k-Óptimo (4:05)
9.7 Otras Visualizaciones de Clusters (7:46)
Análisis de Componentes Principales
10.1 Introducción al Modelo Análisis de Componentes Principales (11:51)
Quiz
10.2 Carga y Exploración Inicial de los Datos (6:48)
10.3 Análisis de Escalas para Componentes Principales (8:53)
10.4 Generación de Componentes Principales (10:04)
10.5 Método Alterno: Kaiser-Meyer-Olkin (5:29)
Quiz
10.6 Visualizaciones para Análisis de Componentes Principales (28:08)
10.7 Agregar los Componentes Principales al Dataframe Original (11:49)
Clusterización Supervisada
11.1 Carga y Exploración de Datos (9:25)
11.2 Conjuntos de Entrenamiento y Prueba y Creación del Modelo (12:56)
Modelo RFM
Materiales a utilizar
12.1 Teoría del Modelo RFM (3:32)
12.2 Carga y Exploración de Datos (8:47)
12.3 Preparación de Datos para el Modelo RFM (20:29)
12.4 Análisis de Clusters (9:17)
Fin del curso
2.4 Probando diferentes k
Contenidos de Clase bloqueados
Si ya está inscrito,
necesitarás loguearte
.
Suscribirse en el Curso para Desbloquear