Excelente video, una explicacion muy didactica y clara! se agradece... si pudieras compartir el codigo en un block de notas.. seria espectacular, saludos y gracias nuevamente
Los pronósticos son un método que se utiliza ampliamente en el análisis de las series de tiempo para predecir una variable de respuesta, como ganancias mensuales, comportamiento de acciones o cifras de desempleo, para un período de tiempo determinado. Los pronósticos se basan en patrones de datos existentes.
Hola, primeramente agradecer el trabajo que has desarrollado para presentar el video. Sin embargo, al revisar tu presentación encuentro algunas oportunidades que me gustaria entender...lo que has presentado esta relacionado a series de tiempo y predicciones. Uno de los elementos claves en las predicciones es que los modelos que presentas (los polinomios) tienen pesos, parámetros o coefientes...es un hecho probado que a medida que se complejiza el modelo..es decir, aumentando el polinomios...lse frean mas parametros, luego el riesgo de sobreajuste es mas evidente...es decir..tus datos se enamoran del modelo y eso provoca que el error tienda a cero...finalmente deberias tener una data de validacion de forma que tu modelo se pruebe con ellos..asi al comparar los errores podras establecer que el modelo es aplicable...por otro lado las metricas de MAE y R2 son mas adecuadas que las indicadas...ese el cuidado al realizar series de tiempo y predicciones...sigue adelante...a todos nos ha pasado.
aunque el proceso entrega información "aceptable" , es una mala Praxis "estadísticamente hablando" el año no es una variable que explique la variable dependiente, ya que solo es una tendencia muy sensible a fluctuaciones y que estos modelos o hablar de crecer o decrecer (basado en Tiempo), aun mas si aplican para la década 2020, verán que no servirá. Es correcto aplicar un modelo de serie temporal, el cual es capaz de implicar 4 estados, Tendencia(lo realizado en el video), Ciclicidad (cambios por sobre el año), Estacionalidad( cambios en el año), Estacionariedad (cuanto de la serie es invariante al tiempo), aplicar modelos sencillos como AR, MA, ARMA, ARIMA, ARCH, GARCH, etc. sería las soluciones mas confiables, y obviamente con muchos mas datos. Puedo entender la confusión al ser realizada por un Data Engineer, pero no lo hará una Data Scientist.
Me uno a la cadena de comentarios positivos, realmente te felicito, pero deja explicar un par de razones para que otros youtubers también capten la idea; 1ero- Directo al grano, sin chistecitos, sin eso de "suscribirte", etc... 2do Tienes consciencia de que NO TODOS saben matemáticas, programación, estadísticas, es decir, aunque la mayoría que verá el video sabe "algo de alguna mencionada, tu no lo das por sentado y "ESO" mi estimado es crucial pues cuando se hace un tutorial o se da alguna explicación se tiene que hacer asi y se lee "obvio" pero resulta que no lo es para todo el mundo. Así que hermano, lo felicito y te animo a seguir, solo acabo de ver este video y me dio curiosidad de entrar a tu canal y ya me suscribí, así listo.
hola Betto Le, por favor puede dar mas detalles en cuanto a la linea de la funcion y1 = fx(x1,coef). Tambien tengo el error por que fx no esta definida. Como se construye la funcion? Si se deja de la forma y1 = x(x1,coef) genera el error 'numpy.ndarray' object is not callable. Si se deja de la forma y1 = (x1,coef), entonces genera error al hacer el plot en la linea: plt.plot(x1,y1,"--",linewidth=3,color='orange') con error que dice que los 2 array tienen dimensiones diferentes. Puede publicar el codigo completo para descargarlo y poderlo analizar?
Hola, gracias por el tuto. ando estudiando este contenido, pero sale error con la función fx, podrías porfa indicarnos como la armaste? muchas gracias.
Hola, me sale este error cuando para el segundo código, calcular el error medio cuadrático y_pred= np.polyval(coef, j) ^ IndentationError: expected an indented block, como puedo arreglarlo, gracias de antemano
@@fasteracademy He revisado varias veces y no encuentre el error, mes das un tipos o una ayuda, dejo el código anno= 2000 grado= np.arange(0, 30, + 1, 1) aproxi= np.array([]) y_pred_vec= np.array([]) for i in grado: coef = np.polyfit(x,y,i) p = np.polyval(coef, anno) aproxi= np.append(aproxi, p)
y_pred_vec= np.array([]) for j in x: y_pred= np.polyval(coef, j) y_pred_vec = np.append(y_pred_vec, y_pred)
MSE= (sum( (y - y_pred_vec)**2))/len(y) print(f"para grado {i} el MES es:{MSE}") plt.figure(figsize=[20,10]) plt.title("grado del polinomio vs predicción:") plt.plot(grado,aproxi,"--", linewidth=3,color='red') plt.grid("on") plt.show()
Te refieres a que, en vez de años, tu tiempo está en meses. ¿Y quieres hacer un pronóstico 6 meses después de tu último mes? ¿O tienes datos hasta el mes 5 y quieres hacer la predicción para el mes 6?
@@EliseoAnayaRivero si solo tienes los datos de salida y no de entrada o viseversa, no puedes estimar la otra variable. Pero, hay otra opción que si solo tienes "datos" puedes agruparlos según en algo que se parezcan, así alguno de tus datos se agruparán entre si, y otras partes TMB lo harán. Y ya tu puedes darle una etiqueta a cada grupo que se formó. Se le conoce como aprendizaje no supervisado. Por ejemplo el algoritmo kMeans agrupa datos según alguna característica que desees, forma grupos y ya después tu puedes darle algún nombre o etiqueta a esos grupos. Saludos!! 🦾
@@EliseoAnayaRivero puedes buscar "aprendizaje no supervisado" en yt, dentro de este se encuentra el algoritmo "kmeans" y algunos más. Aún no tengo un video sobre esto, está en proceso jsutamente! Saludos 😀
No exactamente, pero se usa un método para tratar de minimizar el error. "El error mínimo cuadrático". Y este método y muchos otros se usan en inteligencia artificial. 😉
No entendí absolutamente nada, parece que hablara en idioma extraterrestre 👽, entiendo el principio básico o la idea del cómo funciona, pero en cuanto veo las computadoras se me nubla todo.
Hola, está perfecta la explicación. Quizás tengas que estudiar un poco de matemática para entender. Me parece que no está bueno descalificar el video por tu ignorancia. 😢
Predice valores con Python, pero con una RED NEURONAL MLP😊 : ua-cam.com/video/37XfhKedcbc/v-deo.html
¡Una verdadera joya de explicación! 🏆
Excelente! ¡Muchas gracias!
Excelente video se agradece el tiempo dedicado, espero despues puedas explicar la parte del codigo donde configuras el grafico
Excelente video, una explicacion muy didactica y clara! se agradece... si pudieras compartir el codigo en un block de notas.. seria espectacular, saludos y gracias nuevamente
Gracias amigo por el vídeo, excelente explicación
Los pronósticos son un método que se utiliza ampliamente en el análisis de las series de tiempo para predecir una variable de respuesta, como ganancias mensuales, comportamiento de acciones o cifras de desempleo, para un período de tiempo determinado. Los pronósticos se basan en patrones de datos existentes.
Hola, primeramente agradecer el trabajo que has desarrollado para presentar el video. Sin embargo, al revisar tu presentación encuentro algunas oportunidades que me gustaria entender...lo que has presentado esta relacionado a series de tiempo y predicciones. Uno de los elementos claves en las predicciones es que los modelos que presentas (los polinomios) tienen pesos, parámetros o coefientes...es un hecho probado que a medida que se complejiza el modelo..es decir, aumentando el polinomios...lse frean mas parametros, luego el riesgo de sobreajuste es mas evidente...es decir..tus datos se enamoran del modelo y eso provoca que el error tienda a cero...finalmente deberias tener una data de validacion de forma que tu modelo se pruebe con ellos..asi al comparar los errores podras establecer que el modelo es aplicable...por otro lado las metricas de MAE y R2 son mas adecuadas que las indicadas...ese el cuidado al realizar series de tiempo y predicciones...sigue adelante...a todos nos ha pasado.
tienes toda la razón amigo. Gracias por el comentario!
Excelente explicación. Muchas gracias es justo lo que estaba buscando
Este video definitivamente es una joya! Excelente contenido!
Y hay uno mejor con una red neuronal! Saludos!
aunque el proceso entrega información "aceptable" , es una mala Praxis "estadísticamente hablando" el año no es una variable que explique la variable dependiente, ya que solo es una tendencia muy sensible a fluctuaciones y que estos modelos o hablar de crecer o decrecer (basado en Tiempo), aun mas si aplican para la década 2020, verán que no servirá.
Es correcto aplicar un modelo de serie temporal, el cual es capaz de implicar 4 estados, Tendencia(lo realizado en el video), Ciclicidad (cambios por sobre el año), Estacionalidad( cambios en el año), Estacionariedad (cuanto de la serie es invariante al tiempo), aplicar modelos sencillos como AR, MA, ARMA, ARIMA, ARCH, GARCH, etc. sería las soluciones mas confiables, y obviamente con muchos mas datos.
Puedo entender la confusión al ser realizada por un Data Engineer, pero no lo hará una Data Scientist.
Tienes toda la razón, gracias por el aporte. Saludos!!
Justo lo que estaba buscando
Buenardo acabas de darme una excelente predicción de serie de precios anuales para un mercado.
😉
Bonito video bien entendible
buen video
Excelente video.
Excelente, cuando puedas hazlo con acciones financieras😊
Talves, saludos!
Me uno a la cadena de comentarios positivos, realmente te felicito, pero deja explicar un par de razones para que otros youtubers también capten la idea; 1ero- Directo al grano, sin chistecitos, sin eso de "suscribirte", etc... 2do Tienes consciencia de que NO TODOS saben matemáticas, programación, estadísticas, es decir, aunque la mayoría que verá el video sabe "algo de alguna mencionada, tu no lo das por sentado y "ESO" mi estimado es crucial pues cuando se hace un tutorial o se da alguna explicación se tiene que hacer asi y se lee "obvio" pero resulta que no lo es para todo el mundo. Así que hermano, lo felicito y te animo a seguir, solo acabo de ver este video y me dio curiosidad de entrar a tu canal y ya me suscribí, así listo.
😊 Tnks, saludos!!
hola Betto Le, por favor puede dar mas detalles en cuanto a la linea de la funcion y1 = fx(x1,coef). Tambien tengo el error por que fx no esta definida. Como se construye la funcion? Si se deja de la forma y1 = x(x1,coef) genera el error 'numpy.ndarray' object is not callable. Si se deja de la forma y1 = (x1,coef), entonces genera error al hacer el plot en la linea: plt.plot(x1,y1,"--",linewidth=3,color='orange') con error que dice que los 2 array tienen dimensiones diferentes. Puede publicar el codigo completo para descargarlo y poderlo analizar?
En el min 4:14 aparece la función fx 😊
Hermano explicas muy bien, exitos loco.!
💜
@@celesteriverasuarez9178 🧠🦾😉
y por qué no grado cinco si fue la que tuvo mayor grado de predicción?
No me gustó la selección del.mejor modelo. Se podrían aplicar los supuestos del modelo en ese caso?
Yo intenté esto pero por mes, funciona bien pero no me aparece la línea punteada 🥺
Eres un crack
Saludos !! 😊
Hola, gracias por el tuto. ando estudiando este contenido, pero sale error con la función fx, podrías porfa indicarnos como la armaste? muchas gracias.
En el min 4:14 aparece la función fx 😊
Tienes ideas para combinar con pythorch?
Hay un nuevo video para estimar valores con una red neuronal MLP con python, pytorch. Chequéalo, saludos!!
Y si quiero predecir más años?
Hola, me sale este error cuando para el segundo código, calcular el error medio cuadrático y_pred= np.polyval(coef, j) ^
IndentationError: expected an indented block, como puedo arreglarlo, gracias de antemano
debe ser que copiaste mal el código amigo. Fíjate en la identacion en el bucles 😊
@@fasteracademy He revisado varias veces y no encuentre el error, mes das un tipos o una ayuda, dejo el código
anno= 2000
grado= np.arange(0, 30, + 1, 1)
aproxi= np.array([])
y_pred_vec= np.array([])
for i in grado:
coef = np.polyfit(x,y,i)
p = np.polyval(coef, anno)
aproxi= np.append(aproxi, p)
y_pred_vec= np.array([])
for j in x:
y_pred= np.polyval(coef, j)
y_pred_vec = np.append(y_pred_vec, y_pred)
MSE= (sum( (y - y_pred_vec)**2))/len(y)
print(f"para grado {i} el MES es:{MSE}")
plt.figure(figsize=[20,10])
plt.title("grado del polinomio vs predicción:")
plt.plot(grado,aproxi,"--", linewidth=3,color='red')
plt.grid("on")
plt.show()
@@RodrigoFuentes-l3n He subido el código a GITHUB para que lo puedas descargar. Saludos amigo!!!🤙
@@fasteracademy muchas gracias 😄
@@fasteracademy le di seguir a sus páginas, espero seguir aprendiendo.
Hola Hola FA, tengo un preblma con la linea de aplica las funcion fx, al correr el codigo lo tira como error.
Tu ayudapor favor, un abrazo
lo solucionaste?
tienes que crear la funcion fx. En el video se muestra la funcion fx
muy bueno!
Como configuro VSC con jupyter?
@@bryancamiloobandomartinez9816 en la tienda de vsc busca Júpiter notebook y lo instalas 🙂👍
Excelente proyecto.... aunque no entendí nada...
😅 🙃
muy buen video, nada mas que al ser mucho codigo estaria muy cool que pasaran el codigo en un block de notas o algo para no perderle el hilo
Gracias por el feedback🥺, lo tendremos en cuenta para siguientes videos 😁❤️
Mediante la extensión BlackBox (Firefox y Chrome )puedes extraer código y texto de videos de UA-cam o imágenes
nadie se espera que estoy a punto de desbaratar el juego aviator y coronar con el millon
Y si quiero hacer una predicción para los siguientes 5 años ? 🤔🤔🤔
Hazlo con una red neuronal, hay un vídeo en el canal! Saludos!!!
piensas vivir 5 años más?, predícelo@@fasteracademy
puedo predecir hasta cuándo viviré? 🤔🤔
😂 quien sabe jeje
Hola, que tal? Buen video! ¿Hay forma de predecir los resultadores del quini6 o loto plus, o de los juegos de azar? Gracias!
Si tienes datos para entrenar a una red, pues puedes hacerlo! Con una red neuronal MLP por ejemplo!
Hola , si venta fuera por meses , como hacer una predicción de 6 meses ??? saludos
Te refieres a que, en vez de años, tu tiempo está en meses. ¿Y quieres hacer un pronóstico 6 meses después de tu último mes? ¿O tienes datos hasta el mes 5 y quieres hacer la predicción para el mes 6?
Me dice que fx no está definido
En el min 4:14 aparece la función fx 😊
hola, me podrirás ayudar con el código, te lo agradecería un montón
El código se muestra en el video : )
@@fasteracademy el git bro, paroo, oye como puedo contactarte?
@@cesar_crypto facebook
Amigo se puede si no tienes a X?. Es posible utilizar tu código
Qué es "X" o a qué te refieres con "X" ? 🦾
@@fasteracademy solo tengo los datos de( y )puedo encontrar los datos x?
@@EliseoAnayaRivero si solo tienes los datos de salida y no de entrada o viseversa, no puedes estimar la otra variable. Pero, hay otra opción que si solo tienes "datos" puedes agruparlos según en algo que se parezcan, así alguno de tus datos se agruparán entre si, y otras partes TMB lo harán. Y ya tu puedes darle una etiqueta a cada grupo que se formó. Se le conoce como aprendizaje no supervisado. Por ejemplo el algoritmo kMeans agrupa datos según alguna característica que desees, forma grupos y ya después tu puedes darle algún nombre o etiqueta a esos grupos. Saludos!! 🦾
@@fasteracademy Tienes algún vídeo tutorial o info?
@@EliseoAnayaRivero puedes buscar "aprendizaje no supervisado" en yt, dentro de este se encuentra el algoritmo "kmeans" y algunos más. Aún no tengo un video sobre esto, está en proceso jsutamente! Saludos 😀
esto es inteligencia artificial?
No exactamente, pero se usa un método para tratar de minimizar el error. "El error mínimo cuadrático". Y este método y muchos otros se usan en inteligencia artificial. 😉
@@fasteracademy De que manera puedo utilizar inteligencia artificial para predecir una secuencia temporal de un dato numérico?
pero no dices por que no tiene sentido
No entendí absolutamente nada, parece que hablara en idioma extraterrestre 👽, entiendo el principio básico o la idea del cómo funciona, pero en cuanto veo las computadoras se me nubla todo.
😅 🥹
Hola, está perfecta la explicación. Quizás tengas que estudiar un poco de matemática para entender. Me parece que no está bueno descalificar el video por tu ignorancia. 😢
Tienes que estudiar un poco de estadística amigo.
😂 Es que te falta conocer de que se está hablando
El futuro no se puede predecir. Carreta.
No sabes explicar es muy enfadoso y con fusa tu explicación
Para principiantes una porqueria el video