Це відео не доступне.
Перепрошуємо.
3 Tipos de Distancias para Técnicas de Clustering con Python: Euclidiana, Chebyshev y Manhattan
Вставка
- Опубліковано 14 сер 2024
- Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 7 de Febrero). 3 Tipos de Distancias para Técnicas de Clustering con Python: Euclidiana, Chebyshev y Manhattan [Video]. UA-cam. [Incluye aquí la URL del video].
********************************************
Para guiar tu aprendizaje, en este vínculo ( • Curso de Inteligencia ... ) se encuentra una guía secuencial para aprender:
1. Programación Básica con Python;
2. Manejo de Datos;
3. Visualización de Datos;
4. Análisis de Datos; y
5. Aprendizaje de Máquina y Ciencia de Datos.
********************************************
Descripción y comparación de diferentes tipos de distancias utilizadas dentro de los algoritmos de clusterizado. Las métricas explicadas son: distancia Euclidiana, distancia Chebyshev y distancia Manhattan.
Índice del Video:
0:00 Introducción
0:50 Distancia Euclidiana
3:31 Distancia Chebyshev
6:45 Distancia Manhattan
8:42 Comparación de las métricas usando DBSCAN
⭐ Apoya a Código Máquina dando un Like, Comentando, Compartiendo o con un Super Gracias.
⭐ De la co-fundadora de Código Máquina, productos de cosmética natural SINHAKI:
www.amazon.com...
El código y datos del video están disponibles en GitHub github.com/Cod...
#MachineLearning #AprendizajeAutomático #CienciaDeDatos #ScikitLearn #Python #AprendizajeDeMaquina #SkLearn #AprendizajeNoSupervisado #DBSCAN #Clustering #Euclidiana #Chebyshev #Manhattan #DataScience
⭐ Apoya a Código Máquina dando un Like, Comentando, Compartiendo o con un Super Gracias.
⭐ De la co-fundadora de Código Máquina, productos de cosmética natural SINHAKI:
www.amazon.com.mx/stores/sinHaki/page/1BD34FBC-C0F9-44F5-AC69-520634334C61?ref_=ast_bln
excelente explicación!
Explicas muy muy bien, te felicito y te agradezco que compartas estos videos.
Muchas gracias por las felicitaciones y por seguir el canal :)
Saludos, gracias por compartir conocimiento.
Es todo un placer. Muchas gracias :)
Me encanta tu videos yo soy cientifico de datos pero no tuve un profesor que explicara como tú. Me gustaria que subieras un video de regresion no lineal logaritmica , exponencial y de potencia te agradeceria mucho.
Muchas gracias por tus comentarios. Ya tengo en la mira esos temas. En realidad tengo una lista gigantesca de temas que me gustaría preparar. Justo ahorita estoy leyendo sobre temas de series de tiempo que podría incluir en el canal. Hasta me emociono ;) Poco a poco se creará una lista de videos interesantes. Gracias por seguir el canal :)
La distancia de Chebyshev me voló la cabeza 🤯 siempre la habia pensado jugando ajedrez, pero no sabía que estaba descrita formalmente.
Excelente, estudio matemáticas y vi estas 3 métricas en mi curso de análisis matemático, lo explicaste muy bien.
Muchas gracias Alberth :)
Gracias Octavio muy buena explicación!!!!
Marcelo muchas gracias por tus comentarios y por seguir el contenido del canal :)
Genial !!! Gracias por tu vídeo
Marco muchas gracias por tus comentarios!!!
Muy buena explicación!!
Greta: Muchas gracias :)
Excelente aula!
Ganhou um inscrito.
Sou diagnosticado com esquizofrenia, mas gostaria de sair da situação na qual me encontro através de estudos. Comecei um curso de IA, no qual vi sobre a Distância de Euclidiana, superficialmente, e quis me aprofundar. Tive a sorte de encontrar este Canal.
Gostaria de saber qual seriaa melhor ordem para se estudar através de suas playlists. Por onde devo iniciar?
Muito obrigado.
Balbino muchas gracias por seguir el contenido del canal. Con respecto a tu pregunta, te comento que tenemos una guía de (casi) todo el contenido del canal. Aquí va el vínculo ua-cam.com/video/lomJnbN5Wnk/v-deo.html
Hola una consulta, en qué unidad de medida se representaría las distancias obtenidas?
Gracias por tu pregunta que de hecho considero que es bastante profunda dado que normalmente utilizamos medidas como metros o pies para medir distancias. Sin embargo, en este caso podría no aplicar. Se me ocurren dos explicaciones. Explicación 1: imagina que los datos que estamos clusterizando pertenecen a transacciones bancarias, en este contexto podría no hacer sentido decir que una transacciones está a k centímetros de distancia de otra transacción. Explicación 2: antes de explorar los datos con algoritmos de clustering comúnmente se hace tratamiento de "homogeneización" de escalas de datos. Este tratamiento provoca que todas las características se encuentren entre 0 y 1 de forma abstracta sin tener medidas asociadas. Este proceso de homogeneización puede ser escalamiento, estandarización o normalización. Te recomiendo darle un vistazo al siguiente video ua-cam.com/video/-VuR14Qyl7E/v-deo.html
Acabo de encontrar tu canal y estoy encantado! Mucha gracias Octavio! Una duda por favor. La distancia coseno está definida dentro de una geometría específica como la euclidiana o hiperbolica? Sería mejor usar la distancia coseno respecto a la distancia euclidiana?
Muchas gracias por tus comentarios y por la pregunta. Te comento que ciertos algoritmos permiten el uso de diferentes tipos de distancias tales como la euclidiana o la distancia coseno, sin embargo, la selección del tipo de distancia normalmente está sujeta al dominio del problema y en ocasiones identificar qué tipo de distancia es mejor, se realiza utilización experimentación. Gracias por interactuar en el canal :)
hola! se podria usar el metodo kmeans con la distancia tipo Manhattan? muchas gracias!!
Muchas gracias por la pregunta. K-means fue diseñado para trabajar exclusivamente con la distancia euclidiana
Hola! Sus videos son muy buenos... Estoy buscando aprender sobre causalidad, DoWhy/EconML. Alguna informacion en español que me recomiende o planea subir videos de estos temas? Gracias!!!!!
Gracias por comentar y ver el canal :) Lamentablemente desconozco sobre esos temas. Igual y yo también leeré un poco sobre ellos.