Це відео не доступне.
Перепрошуємо.

Validación cruzada y k-fold cross-validation

Поділитися
Вставка
  • Опубліковано 14 сер 2024
  • 🔥🔥Academia Online: cursos.codific... 🔥🔥
    🔥🔥Asesorías y formación personalizada: www.codificand... 🔥🔥
    En este video veremos en qué consiste la validación cruzada y el algoritmo "k-fold cross-validation", uno de los métodos más usados para el entrenamiento y validación de modelos de Machine Learning.
    Contenido:
    00:00 Introducción
    00:27 Academia Online
    00:47 Parámetros e hiper-parámetros
    01:32 Selección del mejor modelo
    01:56 Capacidad de generalización
    02:50 Sets de entrenamiento, validación y prueba
    04:30 Validación cruzada y k-fold cross-validation
    06:20 Ejemplo k-fold cross-validation
    09:21 El valor de k
    11:00 Conclusión
    🔴 ** VISITA WWW.CODIFICANDOBITS.COM **
    En el sitio web encontrarás cursos online así como artículos y material útil de Ciencia de Datos y Machine Learning. También podrán ponerse en contacto conmigo si están interesados en servicios de formación, charlas o asesorías.
    🔴 ** VIDEOS RELACIONADOS **
    🎥 Tutorial: validación cruzada con Scikit-Learn: • Tutorial: VALIDACIÓN C...
    🎥 Algoritmos y modelos de Machine Learning: • Algoritmos y Modelos d...
    🎥 ¿Qué son los parámetros e hiper-parámetros de un modelo?: • Parámetros e hiper-par...
    🎥 Los sets de entrenamiento, validación y prueba: • Los sets de entrenamie...
    🔴 ** ÚNETE A CODIFICANDO BITS Y SÍGUEME EN MIS REDES SOCIALES **
    ✅ Sitio web: www.codificand...
    ✅ Suscríbete: www.youtube.co...
    ✅ Facebook: / codificandobits
    ✅ Instagram: / codificandobits
    ✅ Twitter: / codificandobits
    🔴 ** ACERCA DE MÍ **
    Soy Miguel Sotaquirá, el creador de Codificando Bits. Tengo formación como Ingeniero Electrónico, y un Doctorado en Bioingeniería, y desde el año 2017 me he convertido en un apasionado por el Machine Learning y el Data Science, y en la actualidad me dedico por completo a divulgar contenido y a brindar asesoría a personas y empresas sobre estos temas.
    🔴 ** ACERCA DE CODIFICANDO BITS **
    El objetivo de Codificando Bits es inspirar y difundir el conocimiento en las áreas de Machine Learning y Data Science.
    #machinelearning

КОМЕНТАРІ • 14

  • @codificandobits
    @codificandobits  Рік тому +3

    🔥🔥Academia Online: cursos.codificandobits.com/ 🔥🔥
    🔥🔥Asesorías y formación personalizada: www.codificandobits.com/servicios/ 🔥🔥

  • @jpierre8703
    @jpierre8703 7 місяців тому +2

    Acabo de llegar a este canal, agradecido por el contenido compartido, excelente explicación!

  • @danielfernandobarreraarmen9392
    @danielfernandobarreraarmen9392 4 місяці тому

    Excelente información. Muchas gracias por tu contenido. Es muy útil y claro

  • @javiersuarez8415
    @javiersuarez8415 Рік тому +1

    Muy buena explicación, gracias por compartir.

  • @josefsalas01
    @josefsalas01 10 місяців тому

    excelente como siempre, da gusto escuchar sus explicaciones.

  • @isaiasurazan
    @isaiasurazan 7 місяців тому +2

    Muy buen vídeo y explicación! Solo una duda: Si se entrena y testea 3 veces eso da como resultado tres conjuntos diferentes de parámetros, ¿Cómo determino los parámetros del modelo final? Gracias de antemano!!

    • @D3ser4
      @D3ser4 6 місяців тому

      te hace un promedio de esos

  • @jorgesk8iqq
    @jorgesk8iqq Рік тому +1

    Muchas gracias, para el caso de ejemplo que diste, se debería utilizar el modelo que tiene mejor rendimiento de los 3 entrenados?

    • @codificandobits
      @codificandobits  Рік тому

      Hola! En el ejemplo que menciono en el video no hablamos de ningún modelo en particular pero sí, en general si tienes por ejemplo 4 modelos y quieres elegir el mejor de ellos, deberías:
      1. Entrenar y validar cada uno usando, por ejemplo, k-fold cross-validation
      2. Para cada modelo entrenado y validado guardar el valor de su desempeño promedio (entrenamiento y validación)
      3. Al final de todo el proceso deberías comparar los 4 desempeños obtenidos y escoger el mejor

    • @juancecconi3195
      @juancecconi3195 11 місяців тому

      ​@@codificandobitspero de cada modelo tengo 3 sets de parámetros luego del entrenamiento, cual de estos debería ser el que finalmente uso? Porque cada entrenamiento con uno de los k bloques va a dar como resultado distintos parámetros para el modelo. Eso no me quedo claro

    • @michaelesquivel9417
      @michaelesquivel9417 2 місяці тому

      @@juancecconi3195 Lo que he averiguado es que ese promedio sirve para ajustar los hiperparametros o tambien para comparar cual tipo de modelo sera el mejor.
      Otra opción puede ser coger el set de datos que arrojo el mejor desempeño

  • @alexisucedajara7377
    @alexisucedajara7377 Рік тому +1

    los cursos online que mencionan sirven para alguien desde 0?, yo sí se programar, soy desarrollador web, pero me interesa mucho el campo de machine learning

    • @codificandobits
      @codificandobits  Рік тому

      Hola! Claro que sí. Están pensados tanto para los que comienzan de 0 como para los que tienen ya un nivel intermedio o avanzado.
      Es decir: en tu caso encontrarás curso de programación y conceptos básicos que poco a poco te permitirán profundizar en el machine learning y la inteligencia artificial.
      Un saludo!

    • @alexisucedajara7377
      @alexisucedajara7377 Рік тому

      otorga algún certificado?@@codificandobits