👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en www.xiperia.com
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.
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! 👏👏👏
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 :)
Excelente explicación estimado, ¿que opinas sobre usar statsmodels para las regresiones logísticas? Cual es mejor? Estoy tomando un curso en paralelo y usan statsmodels.
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 :)
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.
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.
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 :)
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!!
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.
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")
👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en www.xiperia.com
Que sujeto tan agradable! El mejor video que he visto explicando regresión logistica 10/10
Muchas gracias por tus comentarios. Es un verdadero placer saber que los videos son de utilidad :)
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.
Muchas gracias por todos tus comentarios. Intentaremos hacer más contenido de la misma o mejor calidad :)
este canal merece millones de suscriptores !!!!!
¡¡¡Muchas gracias!!!
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! 👏👏👏
Oscar muchas gracias por estas palabras que realmente nos motivan :)
Perfecto el video por favor uno mas avanzados con algunas de las interrogantes que hiciste. Muchas gracias por compartir el conocimiento.
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 :)
Tú eres nuestro Satoru Gojo de la IA y ciencia de datos 💪🏻
Muchas gracias por seguir el contenido del canal!!!
Muchas gracias excelente explicación
Gracias por tu comentario y por ver el canal :)
Excelente contenido, gracias por compartir tus conocimientos
¡Muchas gracias Otto! ¡Feliz Año!
Gracias por el Tutorial. Saludos
Ojalá sea de utilidad. Saludos :)
Tenés algún vídeo dónde apliques regularización cómo Lasso, Ridge o Elastic-Netc, a este tipo de modelos de regresión logística?
Magnífica explicación, mil gracias
Te agradezco tus comentarios :)
Muy buena explicación, muchas gracias
Gracias por tus comentarios Felipe. Saludos!!
Otro excelente video y explicacion. En que video se explica la obtencion de b0=-46.68 ?
¡Proximamente! Está pendiente en el canal un video sobre la interpretación de la regresión logística
Super claro profe
Muchas gracias!!!
Te mereces mas visualizacion, hermano
Agradezco mucho tu apoyo Carlos, ahí vamos poco a poco. Saludos!!
Excelente explicación
Muchas gracias por seguir el contenido del canal!!!
Excelente explicación estimado, ¿que opinas sobre usar statsmodels para las regresiones logísticas? Cual es mejor? Estoy tomando un curso en paralelo y usan statsmodels.
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 :)
por que pones una barra invertida antes escribir train_trest_split ?
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.
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.
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 :)
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!!
hay algun video de regresion logistica que tenga mas de una variable ?
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.
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")
M. A. E. S. T. R. O
¡Muchas gracias Pablo!