Це відео не доступне.
Перепрошуємо.

Regresión Logística con Python

Поділитися
Вставка
  • Опубліковано 14 сер 2024
  • Explicación visual del fundamento matemático que sustenta los modelos de regresión logística y su creación utilizando Scikit-Learn de Python.
    Para citar este recurso educativo utiliza la siguiente referencia:
    Gutiérrez-García, J.O. [Código Máquina]. (2021, 1° de Noviembre). Regresión Logística con Python [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.
    ********************************************
    Índice del Video:
    0:00 Introducción
    0:55 Contexto
    7:42 Función logística estándar
    19:33 Taquicardia: probabilidad y clase
    25:01 Máxima verosimilitud
    30:02 Creación del modelo con Scikit-Learn
    41:12 Suposiciones
    ⭐ 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 del video está disponible en GitHub github.com/Cod...
    #CienciaDeDatos #AprendizajeDeMaquina #DataScience #MachineLearning #ScikitLearn #SkLearn

КОМЕНТАРІ • 41

  • @CodigoMaquina
    @CodigoMaquina  2 роки тому +3

    ⭐ 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

  • @jesusantoniojoelmartinezcu9630
    @jesusantoniojoelmartinezcu9630 2 роки тому +4

    Que sujeto tan agradable! El mejor video que he visto explicando regresión logistica 10/10

    • @CodigoMaquina
      @CodigoMaquina  2 роки тому +1

      Muchas gracias por tus comentarios. Es un verdadero placer saber que los videos son de utilidad :)

  • @oscararmandocisnerosruvalc8503
    @oscararmandocisnerosruvalc8503 2 роки тому +4

    este canal merece millones de suscriptores !!!!!

  • @marcelob.6921
    @marcelob.6921 2 роки тому +5

    E-X-C-E-L-E-N-T-E amigo, muy bien explicado el tema. Generalmente hablar de estadisticas suele ser pesado de entender y de transmitir a quien quiera aprender y en este video expones de una forma muy didactica. Vi varios videos en UA-cam acerca del tema de regresión logistica, pero este video, por ahora, ha sido el mejor. Además has compartido tu página de github en la descripción del mismo y donde estoy observando que hay otros ejemplos muy útiles acerca de otros metodos. Felicitaciones.

    • @CodigoMaquina
      @CodigoMaquina  2 роки тому

      Muchas gracias por todos tus comentarios. Intentaremos hacer más contenido de la misma o mejor calidad :)

  • @feanor0508
    @feanor0508 7 місяців тому

    Tú eres nuestro Satoru Gojo de la IA y ciencia de datos 💪🏻

  • @oscarladino7962
    @oscarladino7962 Рік тому +1

    Amigo mis más sinceras felicitaciones por este tremendo canal, la facilidad con la que explica los conceptos es admirable, muchas gracias por su trabajo y por compartir este conocimiento! 👏👏👏

    • @CodigoMaquina
      @CodigoMaquina  Рік тому +1

      Oscar muchas gracias por estas palabras que realmente nos motivan :)

  • @gabrieleliaschanchigolondr9476
    @gabrieleliaschanchigolondr9476 2 роки тому +2

    Muchas gracias excelente explicación

    • @CodigoMaquina
      @CodigoMaquina  2 роки тому

      Gracias por tu comentario y por ver el canal :)

  • @JorgeRodriguez-mp1mt
    @JorgeRodriguez-mp1mt 2 роки тому +2

    Gracias por el Tutorial. Saludos

  • @edgarbeimarajatazambrana1824
    @edgarbeimarajatazambrana1824 Рік тому +1

    Perfecto el video por favor uno mas avanzados con algunas de las interrogantes que hiciste. Muchas gracias por compartir el conocimiento.

    • @CodigoMaquina
      @CodigoMaquina  Рік тому

      Hola Edgar, gracias por tus comentarios y por la sugerencia. Con salud y un poco de tiempo, eventualmente llegaremos a temas un poco más avanzados. Afortunadamente hay mucho por aprender :)

  • @osobear5060
    @osobear5060 Рік тому +1

    Magnífica explicación, mil gracias

  • @ocampbelt
    @ocampbelt Рік тому +1

    Excelente contenido, gracias por compartir tus conocimientos

  • @tapagocha11
    @tapagocha11 5 місяців тому

    Excelente explicación

  • @idbaronco4194
    @idbaronco4194 2 роки тому +2

    Super claro profe

  • @andrus1002
    @andrus1002 Рік тому +1

    Muy buena explicación, muchas gracias

    • @CodigoMaquina
      @CodigoMaquina  Рік тому

      Gracias por tus comentarios Felipe. Saludos!!

  • @Hotpielooking
    @Hotpielooking 2 роки тому +2

    Genial!

  • @boasorte6808
    @boasorte6808 Рік тому +3

    Excelente explicación estimado, ¿que opinas sobre usar statsmodels para las regresiones logísticas? Cual es mejor? Estoy tomando un curso en paralelo y usan statsmodels.

    • @CodigoMaquina
      @CodigoMaquina  Рік тому

      Muchas gracias por tus comentarios y por la pregunta. En resumen, statsmodels podría ser mejor. De hecho, scikit-learn tiene un enfoque más para ingenieros de machine learning y statmodels tiene un enfoque más para estadísticos. Claro, esta es solo mi opinión :)

  • @yanigangemi
    @yanigangemi 23 дні тому

    Hola Octavio, muy bueno el video! Tengo una consulta: por qué pones en los graficos [0]*10 o [1]*10
    Aparece en:
    plt.scatter(personas_normal, [0]*10,
    marker="o", c="green", s=250, label="Normal")
    y en:
    plt.scatter(personas_taquicardia, [1]*10,
    marker="o", c="red", s=250, label="Taquicardia")

  • @carlosibanez6508
    @carlosibanez6508 Рік тому +2

    Te mereces mas visualizacion, hermano

    • @CodigoMaquina
      @CodigoMaquina  Рік тому

      Agradezco mucho tu apoyo Carlos, ahí vamos poco a poco. Saludos!!

  • @jortigasperu
    @jortigasperu 4 місяці тому

    hola Octavio, si el modelo devuelve coeficientes entonces se trata de una formula de regresión que nos da un 1 o 0, pero si se ve desde un punto de vista de clasificación dará un valor de V o F?; en otras palabras la regresión logística se podrá ver desde un punto de vista de clasificador o existen otros métodos para hacer una clasificación binomial. Saludos!!

  • @adriancueto2490
    @adriancueto2490 2 роки тому +2

    Muchas gracias por compartir tus conocimientos, excelente video... Tengo una pregunta, para ingresar valores nuevos tengo que remplazarlo por datos_prueba ejemplo: modelo.predict(datos_nuevos). De antemano muchas gracias.

    • @CodigoMaquina
      @CodigoMaquina  2 роки тому

      Exacto, justo así se pasarían datos nuevos. Si gustas puedes descargar la libreta de jupyter de nuestro repositorio de github y jugar un poco con el código. Gracias por ver el canal :)

  • @molot684
    @molot684 2 роки тому +2

    por que pones una barra invertida antes escribir train_trest_split ?

    • @CodigoMaquina
      @CodigoMaquina  2 роки тому

      Gracias por tu pregunta. Incluyo la diagonal invertida para que me permita poner una instrucción en dos líneas. Es una forma de decirle a python que la instrucción continua.

  • @pablomendez7304
    @pablomendez7304 Рік тому +1

    M. A. E. S. T. R. O

  • @oscararmandocisnerosruvalc8503
    @oscararmandocisnerosruvalc8503 2 роки тому +2

    hay algun video de regresion logistica que tenga mas de una variable ?

    • @CodigoMaquina
      @CodigoMaquina  2 роки тому

      Gracias por comentar. Al momento no tenemos un video explicando paso a paso la técnica de regresión logística con más de una variable. Ojalá en un futuro sí podamos incluir muchos videos por cada una de las técnicas. En este punto, me estoy enfocando más en amplitud que en profundidad con la esperanza de que sea más formativo para más personas.