Si te fue de utilidad este video y deseas ayudarme a seguir creando contenido, puedes hacerlo de varias formas: - Compartiendo mi canal en tus redes sociales - Dejándome un comentario (aunque sea un "Hola!"... ;) ) - Dando clic en "Me gusta" para incrementar la probabilidad de que el algoritmo de youtube promueva mi contenido - Suscribiéndote a mi canal - Presionando el ícono "Gracias" y haciendo una donación Si estás interesado en aprender acerca de algún algoritmo en especial, házmelo saber en los comentarios
No se quien sea usted, pero la amo. Gran video no pude encontrar otro mejor en todo el internet, la explicación excelente, impecable y el código super legible
Muchas gracias por el vídeo !!! he seguido todos los pasos y he podido llegar al final, soy totalmente nuevo, llevo tan solo unos dias interesado en arboles de decisión, porque creo que puede ser util para mi trabajo. Grácias.
Hola, ¿seguirá subiendo videos acerca de algoritmos de machine learning en Python? ya que me interesa saber igual sobre algoritmos como SVM, LASSO, Ridge, clustering, etc. Me gustó mucho como explico.
Estaba atorado intentando ejecutar el código de SQL server que lleva por nombre Bases de datos a crear.txt , hasta que vi que no contenía los mismos datos que están proporcionándose aquí, y viendo detenidamente llevaba algo por nombre en la ruta Pacientes y fui a revisar y ya encontré que el archivo que se uso en el video es Pacientes2.csv.
Excelente video Rocio, mas bien una duda no es necesario codificar la variable enfermedad y la variable edad no es necesario discretizarlo, esa es mi duda. Saludos desde Perú
from sklearn.metrics import accuracy_score # Comaparamos con las etiquetas reales print("Precision: ", accuracy_score(Y_pred, Y_test)) con esto te da el mismo resultado tambien
Hola! En el miniuto 9:34 menciono que la precisión que obtengas puede ser diferente a la que yo obtuve debido a que el algoritmo toma diferentes filas al momento de entrenar, si lo corres varias veces verás que la precisión cambia. Lo que podrías hacer es ir guardando los modelos que se vayan generando en las diferentes corridas y quedarte con el que te arroje una mejor precisión
Hola Andrés! Cintalta es la variable en donde se registra si la persona tiene una medida de cintura que se considere excesiva. Estos datos son inventados, por lo que no te podría decir con exactitud arriba de cuantos centímetros se consideraría excesiva :(
Hola Andrea! En la página de GitHub que se muestra en la descripción, hay un botón verde que dice "Code", seleccionas la opción "Download Zip" y se van a descargar los archivos que he utilizado en los videos. Si tienes más dudas al respecto, puedes enviarme un correo a rociochavezmx@yahoo.com :)
Hola! La enfermedad podría ser un síndrome metabólico, sin embargo, decidí dejar la columna simplemente como "Enfermedad" ya que no se trata de datos reales, sino que son solo para explicar la técnica de los árboles de decisión
Obtén el código de éste y todos mis videos en www.patreon.com/rociochavezcienciadedatos
Si te fue de utilidad este video y deseas ayudarme a seguir creando contenido, puedes hacerlo de varias formas:
- Compartiendo mi canal en tus redes sociales
- Dejándome un comentario (aunque sea un "Hola!"... ;) )
- Dando clic en "Me gusta" para incrementar la probabilidad de que el algoritmo de youtube promueva mi contenido
- Suscribiéndote a mi canal
- Presionando el ícono "Gracias" y haciendo una donación
Si estás interesado en aprender acerca de algún algoritmo en especial, házmelo saber en los comentarios
Este video me pareció sencillamente impresionante, sumamente útil, muchas gracias Dra. Lo voy a compartir en redes sociales
Graaandee !!! excelente explicacion sobre los arboles de desicion, quede muy claro al respecto se agradece
No se quien sea usted, pero la amo. Gran video no pude encontrar otro mejor en todo el internet, la explicación excelente, impecable y el código super legible
Excelente video, me sirvió mucho para mi examen de estructura de datos
Buen vidio
Exelente información, like y suscribete
Muchas gracias por el vídeo !!! he seguido todos los pasos y he podido llegar al final, soy totalmente nuevo, llevo tan solo unos dias interesado en arboles de decisión, porque creo que puede ser util para mi trabajo. Grácias.
Excelente video, muchas gracias!
Excelennte, eres muy buena explicando los concpetos. Muchas gracias por tu ayuda.
muchisimas gracias por la clase, me sirvio mucho para ayudarme a entender mejor los arboles de decisión
Muy bueno el video, excelente y clara explicacion , saludos desde Colombia
Excelente video, me gusto mucho es muy claro y facil de guiarse vere todo los videos y vere que video puedo comprar enserio es excelente.
Muchas gracias, me diste una idea para mi tesis 😊😊
gracias rocio, excelente video
gracias por compartir tus conocimientos
Gracias por su aporte, Rocío !
Excelente aporte abundare más sobre los conceptos estadísticos pero me quedo bastante claro la lógica del código y del proceso a seguir
👏🙏Profesora Rocío 👍
Buenisimo el video! super claro y facil de entender!
se puede usar algun otro algoritmo de ML? regresion logistica, svm, etc? para realizar el mismo ejercicio
Excelente explicación. Felicitaciones
Muchas Gracias
Hola, ¿seguirá subiendo videos acerca de algoritmos de machine learning en Python? ya que me interesa saber igual sobre algoritmos como SVM, LASSO, Ridge, clustering, etc.
Me gustó mucho como explico.
Rocío, ¿por qué no se balanceó el dataset en tu excelente video? Gracias por tu contenido, sigue así!
Excelente explicación
Estaba atorado intentando ejecutar el código de SQL server que lleva por nombre Bases de datos a crear.txt , hasta que vi que no contenía los mismos datos que están proporcionándose aquí, y viendo detenidamente llevaba algo por nombre en la ruta Pacientes y fui a revisar y ya encontré que el archivo que se uso en el video es Pacientes2.csv.
Estimada Dra. Rocio Chavez, excelente sus clases. Le envié un mensaje via instagram por el tema del patreon. Saludos desde Argentina
Hola Marcus! Ya te contesté el mensaje :)
Excelente video Rocio, mas bien una duda no es necesario codificar la variable enfermedad y la variable edad no es necesario discretizarlo, esa es mi duda. Saludos desde Perú
excelente video, una pregunta, cuando defines Y_test te refieres al 75% que usas para pruebas?
from sklearn.metrics import accuracy_score
# Comaparamos con las etiquetas reales
print("Precision: ", accuracy_score(Y_pred, Y_test))
con esto te da el mismo resultado tambien
@@cesarrodriguezb9566 no comprendo bien tu pregunta, pero se entrena con el 75% y se prueba con el 25%, por lo que Y_test sería el 25%
Una consulta alguien sabe como guardar este árbol de toma de decisiones y volverlo a cargar este modelo, gracias.
Excelente
Muy buen video, solo una pregunta, ¿Como aumento la precisión global y por cada clase? ¿O algo hice mal si me sale menor a 0.6?
Muchas gracias
Hola! En el miniuto 9:34 menciono que la precisión que obtengas puede ser diferente a la que yo obtuve debido a que el algoritmo toma diferentes filas al momento de entrenar, si lo corres varias veces verás que la precisión cambia. Lo que podrías hacer es ir guardando los modelos que se vayan generando en las diferentes corridas y quedarte con el que te arroje una mejor precisión
@@RocioChavezCienciadeDatos Ohhh, vale vale. Gracias de nuevo 🙌
Qué es CINTALTA?
Hola Andrés! Cintalta es la variable en donde se registra si la persona tiene una medida de cintura que se considere excesiva. Estos datos son inventados, por lo que no te podría decir con exactitud arriba de cuantos centímetros se consideraría excesiva :(
Una pregunta, cómo puedo descargar los datos, Gracias
Hola Andrea! En la página de GitHub que se muestra en la descripción, hay un botón verde que dice "Code", seleccionas la opción "Download Zip" y se van a descargar los archivos que he utilizado en los videos. Si tienes más dudas al respecto, puedes enviarme un correo a rociochavezmx@yahoo.com :)
No me quedó claro cuál es la enfermedad que busca diagnosticar?
Hola! La enfermedad podría ser un síndrome metabólico, sin embargo, decidí dejar la columna simplemente como "Enfermedad" ya que no se trata de datos reales, sino que son solo para explicar la técnica de los árboles de decisión
para aquel que quiera el codigo:
colab.research.google.com/drive/1E9NiB7b7qQQ7WwM4vZ_p-L3roiAwqOQc?usp=sharing
pd: muchas gracias por el tutorial