Це відео не доступне.
Перепрошуємо.
Cómo HACER un Análisis de Datos en Python con Jupyter Notebook 🐍
Вставка
- Опубліковано 13 сер 2024
- En este video vamos a realizar un proyecto para ciencia de datos.
🚀 Ya abrió la inscripción para el curso de portafolio, hasta el viernes 9 de junio de 2023. Puedes inscribirte aquí 👇👇 escuela.gonzal...
En esta primer proyecto, usarmos los datos del titanic y desarrollamos un análisis de datos que consta de las siguientes partes:
00:00 Introducción
00:48 Origen de los datos
04:04 Repo en GitHub
04:37 Curso Portafolio
06:18 Carga de datos
07:54 Exploración de datos y variable target
12:00 Procesamiento y creación de variables
17:25 Modelos y ajuste
18:30 Evaluación con matriz de confusión
23:36 Predicción y subida a kaggle
25:30 Concluiones y próximos pasos
El código puedes verlo en este repositorio de GitHub
github.com/gon...
Si este video te ha gustado y quieres ver más ejemplos prácticos comenta una gráfica de barras 📊 (solo el 1% de los que llegan hasta aquí lo hacen)
Te mando un saludo donde quiera que estés!
Muy buena info. Es excelente para que los que estamos aprendiendo tengamos un panorama de como se encara un proyecto de análisis de datos y nos ayuda a visualizar cómo es que podemos integrar todas las herramientas aprendidas.
00:00 Introducción
00:48 Origen de los datos
04:04 Repo en GitHub
04:37 Curso Portafolio
06:18 Carga de datos
07:54 Exploración de datos y variable target
12:00 Procesamiento y creación de variables
17:25 Modelos y ajuste
18:30 Evaluación con matriz de confusión
23:36 Predicción y subida a kaggle
25:30 Concluiones y próximos pasos
El código puedes verlo en este repositorio de GitHub
github.com/gonzalezgouveia/proyecto-titanic
🚀 Ya abrió la inscripción para el curso de portafolio, hasta el viernes 9 de junio de 2023. Puedes inscribirte aquí 👇👇 escuela.gonzalezgouveia.com/courses/portafolio-data-science
Solo por el título le di el like, el vídeo que muchos necesitábamos y no lo sabíamos, gracias Rafa 🇲🇽🤟🏼😈
@@erickd23 gracias Erick!
Excelente! Felicitaciones y gracias Rafa por compartir tus conocimientos con tanta generosidad....
Desde hace pocos meses me he involucrado en la ciencia de datos y aunque he aprendido mucho tenia bastantes dudas sobre como aplicar tanto código a un análisis real y con este video tengo ahora un mejor panorama, gracias por compartir tu conocimiento, espero puedas seguir subiendo análisis prácticos como este.
Excelente! me contenta que te esté siendo útil. Espero también poder seguir subiendo videos como este!
Hola Rafa, me encantan tus videos y estoy aprendiendo mucho.Gracias.
Excelente video, justamente lo que estaba buscando!!! Llevo siguiendo desde el curso de Python & R; siempre tus cursos son exactos & nos son de gran ayuda! Muchas gracias!
Rafa, has caído del cielo!!! Me he tomado mínimo 8 meses para entender algunas conceptos básicos, pero llegaste tu y en 2 días me has ayudado a despejar tantas dudas. GRACIAS!!!
Rafael como siempre tu explicación, sencilla y practica, ya me inscribi al curso en octubre.
Gracias Ricardo!
Buen material Rafa, lastimosamente al día de hoy plot_confusion_matrix está deprecated, y hasta ahí llegue.....sale error al crear la matriz de confusión...seria muy bueno que lo actualizaras, por lo menos el notebook en el github. Saludos.
Puedes reemplazarlo por ConfusionMatrixDisplay.from_estimator
Yo avance un poco más actualizando -plot_confusion_matrix- por -ConfusionMatrixDisplay- pero ahora tengo problemas con la declaración de 'cmap'
@@adrianhervel from sklearn.metrics import plot_confusion_matrix
from
def conf_mat_acc(modelo):
disp = plot_confusion_matrix(modelo, X_train, Y_train,
cmap=plt.cm.Blues, values_format="d")
true_pred = disp.confusion_matrix[0,0]+disp.confusion_matrix[1,1]
total_data = np.sum(disp.confusion_matrix)
accuracy = true_pred/total_data
print('accuracy: ', np.round(accuracy, 2))
plt.show()
conf_mat_acc(logreg,X_train, Y_train) y conf_mat_acc(decision_tree, X_train,Y_train)
@@adrianhervel yo lo hice funcionar de esta forma:
from sklearn.metrics import confusion_matrix
from sklearn.metrics import ConfusionMatrixDisplay
def conf_mat_acc(modelo, X, y):
cm = confusion_matrix(y, modelo.predict(X))
disp = ConfusionMatrixDisplay(confusion_matrix=cm)
disp.plot(cmap=plt.cm.Blues)
true_pred = cm[0, 0] + cm[1, 1]
total_data = np.sum(cm)
accuracy = true_pred / total_data
print('accuracy: ', np.round(accuracy, 2))
print ('cant ok:', true_pred, ' de ', total_data)
plt.show()
# Llamar a la función con el modelo y los datos de entrenamiento
conf_mat_acc(logreg, X_train, Y_train)
Excelente video, saludos desde Ecuador. Muchas gracias por el aporte.
Gracias Evariste!
Buenas Rafa!
Me encantó este video, lo hice entero y tengo que reconocerte que realmente aprendí muchísimo. Espero que el resto sean así! 📊
gracias Antonio!
Excelente presentación. he utilizado la información de github y he aprendido ...gracias 📊
Genial Raul, de nada
gracias Rafa por compartir tus conocimientos, con cada video tuyo subo un peldaño mas en el mundo de la ciencia de datos.
Muchísimas gracias por compartir tus conocimientos. ¡Qué tengas muchos éxitos en tu vida!
📊 me encantó Rafa. Gracias por el video!
Gracias Nicolás!
Excelente video Rafa! Lo recomiendo 100% aquellos que deseen inciar el aprendizaje sobre la construcción de modelos de ML utilizando python :)
Excelentes todos tus aportes Rafa 😁👍 felicidades 🎊
Muchas Gracias Rafa! Siempre en sinotnía con tu audiencia. Se valora mucho. Gracias de verdad hermano, eres mi referente
gracias Wertom! gracias a ti también fue parte de las sugerencias que vi en el post de comunidad de la semana pasada :D
Mil gracias!!! Saludos desde Argentina
gracias Nico!
Muy buena explicación!!!
Me encanta tu curso. Este vídeo me perdí en evaluación. Creo que me toca profundizar. Gracias
Excelente vídeo, muy completo y sin egoísmo de compartir, que Dios te lo multiplique
📊Muy buen video, me ha encantado
gracias Ruben!
Gracias por este video!
😁 a ti!
📊 Excelente video. Consolida todo lo aprendido.
📊
buen video📊
Agradecerte por el tiempo que nos brindas en compartir tu conocimiento, por favor puedes explicar por que colocas de esta manera ```train[['Survived', 'Sex','Age','Pclass']]``` o ```train[train['Age'].isna()]``` en vez de colocar train(['Survived', 'Sex','Age','Pclass']) o train(train['Age'].isna())
Wow muy buen contenido, para revisarlo más a fondo y empezar a practicar. Muchas gracias 👏🏻👏🏻👏🏻
Gracias Ronny!
Gran video, ¡gracias Rafa!
Muy bueno!! Por favor, más videos así!
Excelente curso, muchas gracias.
Muy buen vídeo! Se hace muy ameno y resulta de gran utilidad para los novatos en este ámbito. Podrías hacer más vídeos de este estilo? Muchas gracias
Claro que si! Los preparo
Hola Rafa! Muchas gracias por tu excelente contenido! Me gustaria que hagas un video especifico de algun metodo para elegir correctamente las columnas de un csv para utilizar en los modelos de ML, osea como elegir las columnas que esten mas correlacionadas a la variable target.
Desde ya muchas gracias y saludos desde Argentina!
Videos así vale l pena ver casos más reales cuando eres analista de datos tiempos gastado muy bien videos con casos que te pueden dejar como ANALISTA valen estos vídeos ojalá hagas más vídeos así o más difíciles y tienes razón no es necesarios abwr todos los códigos pero en l camino vas a prendido más genial tu vídeo oajla hagas videos de casos así pero más difíciles
¡Muy bueno! Muchas gracias.
Rafaaaaaaaaaaaaaa!! Sos un capo!!!
📊
Excelente video!
Hola, Rafa. Gracias por el video. Crees que sería bueno un video recorriendo las herramientas no relacionadas a software? Es decir, matemáticas, estadísticas, etc. Gracias
Excelente video 👌✌
Muy bueno!!!
Muy buen video, que buen contenido
rafa, brindas asesoria para un tema en especifico?
Perfecto y gracias por la información, todo muy claro. Una pregunta, al momento de descargar el archivo no me lo deja en el formato que solicita kggle, me descarga el archivo separado por comas, ¿como dejarlo con un formato de tablas? Gracias¡
Buen día Rafa. Tienes el jupyter notebook actualizado?
Hola, buenas noches. Escribí una línea de las que pusiste en el código: train['Sex'] = train['Sex'].map({'female': 1, 'male': 0}).astype(int), y me saltó este error: IntCastingNaNError: Cannot convert non-finite values (NA or inf) to integer, ¿alguien sabe qué puedo hacer para solucionarlo?
Excelente y concisa explicación.
Quisiera saber cómo graficar con seaborn el método de agrupación que describes en el minuto 10:28, o si este solo es compatible con los parámetros de matplotlib.
Buen video Rafa ✌🏾. Dejó como observación que me aparece el video con calidad de 360p, no se si sea en mi celular o quizá UA-cam no lo procesó bien cuando lo cargaste
gracias por avisar. lo voy a revisar
Excelente
Hola Rafael, en 1er. lugar muchas felicitaciones, tienes un don de enseñanza muy bueno, ya he recomendado tus cursos a varios colegas, pues el tema de Ciencia de Datos (CD) y topicos parecidos estan a la orden del dia. Segui al pelo tu curso pero, por alguna razón no encuentro la explicación en el ejercicio 2 con el test, en la celda que contiene las instruciones "print(test.info() y)
test[features].head(3), solo me muestra tres columnas (Age, Pclass y flagsolo) y en tu ejercicio se ven 4 (Sex,(Age, Pclass y flagsolo) si tu o alguno de los aqui presente sabe que hacer lo agradeceria.
Arriele que son pasteles.
Hola :( no me han cargado los datos nisiquiera. Cree la carpeta , copie mi archivo de excel en formato cvs (delimitado por comas), pero nada Ayuda
Tengo un problema con el include de las variables categóricas, me sale un error de tipo
👏 👏 👏 🙏 Rafa 👍
📊
eso es!
📊 ¿Se pueden hacer modelos de datos que devuelvan valores, y no resultados true/false? por ejemplo un modelo similar al del ejemplo, pero que devuelva la edad. Gracias por la explicación, conciso y claro
buenas, existe algun video de como recategorizar variables, por ejemplo de csv tengo una variable con 10 CATEGORIAS (abcdefgh... )pero quiero que solo sean 5 ya que reagrupare A CON B, B CON C, D CON ETC. mi otro duda es que de una base de datos ne bruto tal ves de una entidad publica de mi pais con millones de datos como haria para crear la varaible de entrenamiento y la de test o que caracteristicas deben complir? o simplemente se divide en 2 partes?
Hola Gustavo, sí. Lo primero que preguntas se puede hacer con un mapeo en python en este video puedes ver cómo se hace ua-cam.com/video/1jEuJ7WX16E/v-deo.html
para lo segundo, se puede usar una función del paquete sklear que se llama train_test_split, la separación se hace de forma aleatoria y existen diferentes estrategias para dividir estás dos partes, a mi en particular me gusta usar 80% train 20% test. Pero dependiendo de la aplicación hay quien puede usar 75% train 25% test o incluso 50 y 50. te dejo otro articulo donde explica cómo se puede hacer esta separación
exponentis.es/como-dividir-un-conjunto-de-entrenamiento-en-dos-partes-train-test-split
Espero te ayude saludos
A mi no me sale el gráfico de la matriz de confusión, no me funciona el plot_confusion_matrix
Pudo corregir el error?
Buenas noches Rafa, cómo estás? Estoy teniendo problemas en el cargue de datos con el tema de la ruta de train y test me genera algunos errores. Saludos.
Rafa, me suscribi, pero no veo el costo, para el desarrollo del proyecto mensual, espero tu mje. gracias
Hola Martín. Justo la semana que viene vamos a abrir las inscripciones para el proyecto mensual. Saldrá por está página, pero a partir del 1ero de febrero
escuela.gonzalezgouveia.com/courses/portafolio-data-science
cualquier cosa me avisas o me envías un correo a rafael@gonzalezgouevia.com
Saludos :)
disculpe no hace mencion de como descargar los datos de kaggel verdad
Hola en la linea 36 me aparece un error
Gracias, me han servido mucho tus videos, hasta ahora estoy curioseando con estos temas, sin embargo al realizar el mapeo que muestras en el minuto 15:15 con la instrucción train['Sex'] = train['Sex'].map({'female': 1,'male': 0}).astype(int) me saca el siguiente error: IntCastingNaNError: Cannot convert non-finite values (NA or inf) to integer, Si tu o alguien mas sabe el por que le agradecería
Buenas a mi no me corrio tampoco y use esta función que hace lo mismo sex = train['Sex'].replace(['female','male'],[0,1])
@@anghelahuaman4258 gracias!!
Hola leonardo, quizas te da error porque lo ejecutaste mas de una vez, es decir:
Cuando ejecutas por primera vez ese codigo, ya pasa la columna Sex a tipo numerico, si lo volves a ejecutar te va a dar errror porque estas queriendo pasarla a numerico cuando ya esta en numerico.
Tenes que tener cuidado y ejecutar esa linea de codigo 1 sola vez
Maestro
22:39 Al momento de hacer el preprocesamiento de los datos de entrenamiento, para la conversión o mapeo de la variable "Sex" me sale el siguiente error:
ValueError: Cannot convert non-finite values (NA or inf) to integer
He verificado esa columna y todos tienen "female" o "male"
¿Alguien sabe cómo resolverlo?
Por que ya esta convertido.... sigue con la instuccion siguiente o vuelve desde el inicio a ejecutar cada celda de nuevo.
Hola, quizas te da error porque lo ejecutaste mas de una vez, es decir:
Cuando ejecutas por primera vez ese codigo, ya pasa la columna Sex a tipo numerico, si lo volves a ejecutar te va a dar errror porque estas queriendo pasarla a numerico cuando ya esta en numerico.
Tenes que tener cuidado y ejecutar esa linea de codigo 1 sola vez
Saludos Rafa, disculpa la pregunta, ¿de cuánto es el costo del curso?
Rafa como estas , una consulta , como normalizo los datos de una columnas en especifico , llevandolas de minuscula a mayuscula .
Hola Rafael, sí. Las variables de texto en python tienen un método o función que se llama .lower() es posible que esto te pueda ayudar. Te dejo un enlace j2logo.com/python/convertir-a-mayusculas-y-minusculas-en-python/
Hola, saludos desde Santiago de Chile.. consulta: kaggle solo te entrega el %, no te entrega el dataset completo con el target?. cómo saber en qué pasajeros el modelo no funcionó?
Hola Daniel, es buena pregunta. Como dices, kaggle solo te entrega el % de acierto. Esto porque su objetivo es que puedas "deducirlos" con un mejor modelo. Si te dijera cuales no funcionaron sería más fácil cambiar esos para tener una puntuación más alta. Hasta donde sé no hay manera de saber los pasajeros para los cuales el modelo predijo mal en el test set
@@RafaGonzalezGouveia ok, gracias x responder, a ir probando entonces con mejoras del modelo con la data del train, hasta no llegar al overfitting. A sucesivas entregas a kaggle para el feedback.
Una consulta el Curso de Portafolio es gratuito? 📊
Hola Jorge, no es gratuito, puedes revisar los detalles aquí escuela.gonzalezgouveia.com/courses/portafolio-data-science
22:23 Lo extraño es que me salen conteos distintos en el test set:
RangeIndex: 418 entries, 0 to 417
Data columns (total 11 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 PassengerId 418 non-null int64
1 Pclass 418 non-null int64
2 Name 418 non-null object
3 Sex 418 non-null int64
4 Age 418 non-null float64
5 SibSp 418 non-null int64
6 Parch 418 non-null int64
7 Ticket 418 non-null object
8 Fare 417 non-null float64
9 Cabin 91 non-null object
10 Embarked 418 non-null object
dtypes: float64(2), int64(5), object(4)
memory usage: 36.0+ KB
Porque ya no usas R?? ahora incluso se puede usar Tensorflow desde R con reticulate y corre sobre Python sin tener que tocar Python, el programa descarga una versión pequeña de conda y funciona bien.
Hola Fernando, es verdad que hace tiempo no subo video de R. En parte porque estaba con Python y en parte porque estaba dedicando tiempo a conceptos de ciencia de datos, espero pronto hacer un vídeo en R :D
@@RafaGonzalezGouveia te confieso q fue por uno de tus videos q me empecé a interesar en ciencia de datos y en especial codificar en R. Pero hoy veo q hoy muchos se están cambiando a Python. Según tu experiencia, ¿que es lo q no se puede hacer en R y si y solo si en Python? O se trata sólo de una moda por la facilidad q representa para quienes vienen de IT a hacer ciencia de datos y este les resulta más fácil q R?
Hay algo que este joven no haga bien?
📊 obtener datos de una web de datos públicos
Titanic, Titanic hey no te sabes otra
es obvio es anormal aprenderse todos los comandos de todos los lenguajes de programacion ,saludos
abstenganse personas que no se dedican al area de informatica,,y son administradores de empresas y demas que ya me cruze a muchos ,,por favor cada quien en lo suyo ,dejen vivir
📊
📊
📊
📊
📊
📊
📊
📊