Aprendizaje NO Supervisado con PYTHON (Algoritmo KMeans) | [EJEMPLO]

Поділитися
Вставка
  • Опубліковано 1 лют 2025

КОМЕНТАРІ • 10

  • @jordimontoriorocafull1005
    @jordimontoriorocafull1005 4 роки тому +10

    ¡Gracias por el vídeo!
    Un apunte: en el minuto 6:06 se dice que la columna de la izquierda es el eje Y, y en la derecha el eje X, creo que es al revés tal y como se verifica un poco después en el resultado gráfico.
    Salu2

  • @isaaccastillo8628
    @isaaccastillo8628 3 роки тому +1

    Gracias amigo que Dios te bendiga

  • @cMonsalveAdm
    @cMonsalveAdm 4 роки тому +1

    y para construir clusters a partir de un CSV , toca primero importarlo con PANDAS?

  • @waltercontacto8732
    @waltercontacto8732 4 роки тому +2

    Muy bien. Y como haces para gráficar cuando tenés 50 más variables? Como saber cuáles ayudan a representar la dispersión?

    • @juanalexisluqueayala5167
      @juanalexisluqueayala5167 4 роки тому +1

      Llegaste a encontrar una solución para graficarlo ? Presento la misma problemática, saludos.

    • @cMonsalveAdm
      @cMonsalveAdm 4 роки тому +1

      En ese caso mejor utilize Tableau..

    • @krikrilord
      @krikrilord 3 роки тому

      @@juanalexisluqueayala5167 encontraron la solución ? presento el mismo problema
      :c

    • @darkstyllv9251
      @darkstyllv9251 2 роки тому +1

      Pueden importar PCA. En sus parámetros pones que vas a usar dos componentes. Esos componentes serian las variables que van a resumir las demás. De esta manera vas a poder graficar. Te recompiendo buscar info. Llegué tarde jajaja

    • @ActGALINDOMUCINOROBERTO
      @ActGALINDOMUCINOROBERTO 2 роки тому

      puedes usar varclushi para reducir la dimensionalidad, varclushi te deja con los valores con clusters de variables con maxima varianza y menor correlación entre ellos, solo es quedarse con el primero de cada cluster y después aplicar lo de este video, igual, llegué dos años tarde :( pero ojalá a alguien le sirva

  • @petowatch6499
    @petowatch6499 4 роки тому

    Codigo 🦎