Laboratorios de Práctica de Aprendizaje Automático
Principiante
Este curso contiene muchos laboratorios de Aprendizaje Automático. Cada laboratorio es un pequeño proyecto de Aprendizaje Automático con una guía detallada y soluciones. Puedes practicar tus habilidades de Aprendizaje Automático completando estos laboratorios, mejorar tus habilidades de codificación y aprender a escribir código limpio y eficiente.
pythonsklearndata-science
💡 Este tutorial está traducido por IA desde la versión en inglés. Para ver la versión original, puedes hacer clic aquí
- Introducción
- Programa
Ajustando para el Azar en la Evaluación del Rendimiento del Clustering
Calibración de probabilidades de los clasificadores
Gráfico de Interpretación Causal
Conjunto de Cadenas de Clasificadores
Segmentación de monedas griegas con agrupamiento espectral
ColumnTransformer de Scikit-Learn
Comparación de Aprendizaje de Variedades
Técnicas de validación cruzada con Scikit-Learn
Comparando Estrategias de Reducción de Dimensionalidad
Modelo Mixtos Gausianos
Estimación de densidad con modelos de mezcla gaussiana
Modelo mixto gaussiano y curva sinusoidal
Intervalos de predicción para la regresión de Gradient Boosting
Regresión por Gradient Boosting
Eliminación de ruido en imágenes utilizando aprendizaje de diccionarios
Agrupamiento inductivo con Scikit-Learn
Clasificación binaria de flores Iris utilizando SVM
Agrupamiento K-Means++ con Scikit-Learn
Aprendizaje semi-supervisado con Propagación de Etiquetas
Camino de Lasso en Scikit-Learn
Vectores de soporte de LinearSVC
Comprender la complejidad del modelo
Completado de Rostros con Estimadores de Multi-Salida
Reducción de dimensionalidad con Análisis de Componentes Vecinos
Ejemplo de regresión lineal con sparse
Varianza de Mínimos Cuadrados Ordinarios y Regresión Ridge
One-Class SVM para la detección de novedades
Gráficos avanzados con dependencia parcial
Análisis de Componentes Principales en el Conjunto de Datos Iris
Graficar la importancia de permutación
Importancia de permutación en el conjunto de datos de cáncer de mama
Interpolación polinómica y con splines
Latencia de predicción con estimadores de Scikit-Learn
Estimación de modelo lineal robusto
Ajuste de parámetros del SVM con kernel RBF
Regresión de Vecinos Más Cercanos
Ejemplo de Regresión Ridge con Scikit-Learn
Comparación de Funciones de Pérdida Convexa
Gráfico de la función de decisión de un conjunto de datos con pesos
Combinar predictores usando Stacking
Visualizando la estructura del mercado de valores
Clasificación de datos con SVM Kernel
Explorando los parámetros del SVM lineal
Clasificación SVM no lineal
Visualizar datos de alta dimensión con t-SNE
Comparando diferentes codificadores categóricos
Máquina de Vectores de Soporte con Muestras Ponderadas
Detección de novedades y valores atípicos con Scikit-Learn
Reducción de dimensionalidad por proyección aleatoria
Ajuste de curvas con regresión de Ridge bayesiana
Clasificación de vecinos más cercanos
Explorando el agrupamiento K-Means con Python
Comparar métodos de descomposición cruzada
Graficar la prioridad de concentración
Clasificación SVM con Kernel Personalizado
Validación cruzada en el conjunto de datos de dígitos
Aglomeración de Características para Datos de Alta Dimensión
Agrupamiento jerárquico ascendente en el conjunto de datos de dígitos
Comparación de la Prueba F y la Información Mutua
Cuantización vectorial con KBinsDiscretizer
Descomposiciones del Conjunto de Datos de Caras
Clasificación por Procesos Gausianos en el Conjunto de Datos Iris
Clasificación con Procesos Gaussianos
Clasificación de procesos gaussianos en el conjunto de datos XOR
Modelado predictivo no lineal usando Procesos Gaussianos
Ajustar el modelo de regresión con procesos gaussianos
Regresión de Procesos Gaussianos: Kernels
Early Stopping de Gradient Boosting
Separación de fuentes ocultas
Análisis de Componentes Independientes con FastICA y PCA
Clasificación de Flores Iris con Scikit-learn
Clasificador SVM en el Conjunto de Datos Iris
Estimación de densidad de núcleo simple en una dimensión
Aprendizaje activo con propagación de etiquetas
Lasso y Elastic Net
Algoritmos de clasificación de Análisis Discriminante
Agrupamiento jerárquico con Scikit-Learn
Factor de Atípico Local para la Detección de Novedades
Detección de valores atípicos con LOF
Modelo de Regresión Logística
Trayectoria de regularización de la regresión logística L1
Comparación de estimadores de covarianza
Relevancia de la estimación robusta de covarianza y las distancias de Mahalanobis
Aprendizaje de variedades en datos esféricos
Selección conjunta de características con Lasso multitarea
Ejemplo de regresión lineal
Algoritmo de Clustering OPTICS
Análisis de Componentes Principales
Gráficos de conjuntos de datos de clasificación aleatorios
Generación de conjuntos de datos de múltiples etiquetas con Scikit-Learn
Estimación de covarianza robusta en Python
Aplicando Técnicas de Regularización con SGD
Codificación esparsa con diccionario precomputado
Regresión de Vectores de Soporte
Reducción de dimensionalidad en Swiss Roll y Swiss-Hole
Regresión de Theil-Sen con Python Scikit-Learn
Reconstrucción de imágenes por detección por compresión
Regresión de árbol de decisión
Regresión de árbol de decisión multi-salida
Scikit-Learn Libsvm GUI
Wikipedia PageRank con SVD aleatorizado
Regresión no lineal con isotonia
Modelos de Red Neuronal
Modelos Mixto Gaussiano
Aprendizaje de variedades con Scikit-Learn
Biclustering en Scikit-Learn
Descomponiendo Señales en Componentes
Estimación de la Matriz de Covarianza con Scikit-Learn
Estimación de densidad utilizando densidad con núcleo
Validación cruzada en aprendizaje automático con Python
Extracción de características con Scikit-Learn
Imputación de Valores Faltantes
Técnicas de Aproximación de Kernel en Scikit-Learn
Métricas y Kernels entre Pares en Scikit-Learn
Transformando el objetivo de predicción
Regresión de árboles de decisión potenciados
Agrupamiento por Propagación de Afinidad
Graficar el agrupamiento jerárquico
Métricas de agrupamiento jerárquico
Dendrograma de agrupamiento jerárquico
Escalado y Transformación de Datos
Descomposición de sesgo-varianza con Bagging
Comparando BIRCH y MiniBatchKMeans
Comparación de rendimiento entre Bisecting K-Means y K-Means regular
Comparando algoritmos de agrupamiento
Segmentación de imágenes con agrupamiento jerárquico
Matriz de confusión de Scikit-Learn
Estimación de covarianza por encogimiento
Validación cruzada con modelos lineales
Graficar Parches de Rostros del Diccionario
Reconocimiento de dígitos manuscritos
Demostración de las estrategias de KBinsDiscretizer
Precomputar la matriz de Gram para ElasticNet
Estimación de error OOB en bosque aleatorio
Importancias de píxeles con bosque aleatorio paralelo de árboles
Covarianzas del Modelo Mixto de Gaussianas
Selección de Modelos de Mezcla Gaussiana
Predicciones probabilísticas con Clasificación por Procesos Gaussianos
Gráfico de GPR Co2
Procesos Gaussianos en Estructuras de Datos Discretos
Regularización de Gradient Boosting
Comparación de FeatureHasher y DictVectorizer
Demostración del algoritmo de agrupamiento HDBSCAN
Graficar Huber vs Ridge
Análisis de Componentes Principales Incremental en el Conjunto de Datos Iris
Clasificador de regresión logística en el conjunto de datos Iris
Aproximación explícita del mapa de características para kernels RBF
Evaluación empírica de la inicialización de K-Means
Aprendizaje de Propagación de Etiquetas
Regresión Lasso de Scikit-Learn
Regresión logística paso a paso
Mapear datos a una distribución normal
Visualizar datos de alta dimensión con MDS
Algoritmo de Agrupamiento Mean-Shift
Restricciones monotónicas en el Gradient Boosting
Análisis de Componentes Vecinos
Clasificación por centroides cercanos
Recuperación de señal esparsa con Orthogonal Matching Pursuit
Graficar PCA vs LDA
Agrupamiento Espectral para la Segmentación de Imágenes
Clasificadores Semi-Supervisados en el Conjunto de Datos Iris
SVM: Hiperplano Separador de Márgen Máximo
SVM para clases desequilibradas
Clasificador SGD de múltiples clases de Scikit-Learn
Graficar el hiperplano de separación con SGD
Estimación de covarianza inversa espacial
Modelado de la Distribución de Especies
Estimación de densidad de núcleo de las distribuciones de especies
Desempate en el modelo de SVM
Modelo de regresión Elastic-Net de Scikit-Learn
Algoritmos de Aprendizaje Semi-Supervisado
Clustering no supervisado con K-Means
Técnicas de Preprocesamiento en Scikit-Learn
Cuantización de Colores Utilizando K-Means
Comparar GPR y KRR en un Gráfico
Podado de árboles de decisión posterior
Clasificación de Dígitos utilizando Scikit-Learn
Análisis del conjunto de datos de dígitos
Discretizar características continuas con KBinsDiscretizer
Comparación de Bosque Aleatorio y Gradiente de Histograma con Mejora
Graficar Bosque Iris
Métodos de inicialización del Modelo de Mezcla Gaussiana
Graficar la Búsqueda en Cuadrícula de Dígitos
Árboles de Decisión en el Conjunto de Datos Iris
Detección de anomalías con Isolation Forest
Regresión isotónica no paramétrica con Scikit-Learn
Explorando el lema de Johnson-Lindenstrauss con proyecciones aleatorias
Análisis de Componentes Principales con PCA Kernel
Graficar la regresión de Ridge Kernel
Explorando los supuestos del agrupamiento k - means
Análisis de Clustering con el Método Silueta
Regresión de Señales Dispersas con Modelos Basados en L1
Análisis Discriminante Lineal para la Clasificación
Trazar la regresión logística multinomial y one-vs-rest
Comparando K-Means y MiniBatchKMeans
Scikit-Learn MLPClassifier: Estrategias de Aprendizaje Estocástico
Validación cruzada anidada para la selección de modelos
Regresión de mínimos cuadrados no negativos
Detección de valores atípicos en datos de vinos
Graficar la selección de modelos PCA vs FA
Puntuación de Prueba de Permutación para la Clasificación
Regresión cuantílica con Scikit-Learn
Graficar la regresión de bosque aleatorio con salida múltiple
Optimización de hiperparámetros: Búsqueda aleatorizada vs Búsqueda en cuadrícula
Eliminación recursiva de características
Regresión Ridge para Modelado Lineal
ROC con Validación Cruzada
Selección de características basada en modelos y selección secuencial
Comparación de solvers en línea para la clasificación de dígitos manuscritos
Algoritmo de Biclustering Espectral
Algoritmo de Co-Clustering Espectral
Comparación entre Búsqueda en Cuadrícula y Mitosis Sucesiva
Escalado del parámetro de regularización para SVMs
Gráfico de extracción de temas con NMF y LDA
Análisis del árbol de decisión
Graficando curvas de validación
Revelando la estructura del conjunto de datos Iris a través del Análisis Factorial
Probabilidades de clase con VotingClassifier
Predicción de diabetes utilizando Voting Regressor
Agrupamiento jerárquico con restricciones de conectividad
Ajuste de Hiperparámetros de un Estimador
Curvas de validación: trazar puntuaciones para evaluar modelos
Dependencia Parcial y Expectativa Condicional Individual
Importancia de las Características por Permutación
AdaBoost Discreto vs Real
Árboles de decisión potenciados con AdaBoost para múltiples clases
Clasificación con árbol de decisión simple de AdaBoost
Comparando regresores bayesianos lineales
Agrupamiento Biciclístico de Documentos Utilizando el Algoritmo de Coagrupamiento Espectral
Almacenamiento en caché de los vecinos más cercanos
Calibración de Probabilidades para la Clasificación de Tres Clases
Graficar la probabilidad de clasificación
Graficando predicciones con validación cruzada
Algoritmo de Clustering DBSCAN
Deshacerse del ruido en imágenes con Kernel PCA
Estimación de Densidad Kernel
Importancia de las características con el bosque aleatorio
Estimaciones out-of-bag del Gradient Boosting
Selección del modelo Lasso
Selección de modelo para la regresión Lasso
Trazar curvas de aprendizaje
Clasificar dígitos manuscritos con MLP Classifier
Optimizar los hiperparámetros del modelo con GridSearchCV
Clasificación de texto utilizando aprendizaje fuera de núcleo
Transformación de Características por Hashing
Eliminación recursiva de características con validación cruzada
Ajuste de estimador lineal robusto
Parada temprana del Descenso de Gradiente Estocástico
Graficar Sgdocsvm vs Ocsvm
Regresión Logística Esparsa Multiclase
Iteraciones por mitades sucesivas
Transformación de datos categóricos usando TargetEncoder
Sous-ajustement et sur-ajustement
Exploración de métodos de ensamble con Scikit-Learn
Selección de Características con Scikit-Learn
Evaluando la calidad del modelo de aprendizaje automático
Gráfico de la tubería de dígitos
Estimadores y tuberías de Scikit-Learn
Transformaciones de características con conjuntos de árboles
Equilibrar la complejidad del modelo y la puntuación validada cruzada
Extracción y evaluación de características de texto
Agrupamiento K-Means en Dígitos Manuscritos
Regularización del Perceptrón Multicapa
Clasificación de documentos con múltiples etiquetas
Graficar la clasificación Nca
Detección de valores atípicos utilizando algoritmos de Scikit-Learn
Evaluación de ROC Multiclase con Scikit-Learn
API de visualización de Scikit-Learn
Aproximación del kernel polinomial con Scikit-Learn
Efecto del umbral variable en el autoentrenamiento
Regresión logística multinomial MNIST
Clasificación de flores de iris utilizando el clasificador de votación
Vecinos más cercanos aproximados en TSNE
Crear visualizaciones con objetos de visualización
Reconocimiento facial con eigenfaces y SVMs
Selección de Características Univariadas
Construyendo tuberías de aprendizaje automático con Scikit-Learn
Concatenar múltiples métodos de extracción de características
Gradient Boosting con Características Categóricas
Razones de verosimilitud de clase para medir el rendimiento de la clasificación
Imputar Datos Faltantes
Graficar PCR vs PLS
Selección de características para SVC en el conjunto de datos Iris
Transformando el objetivo para la regresión lineal
Algoritmos de clasificación multicategoría y multi-salida
Comparación de algoritmos de detección de anomalías
Curvas de Calibración de Probabilidad
Comparación de la Calibración de Clasificadores
Reducción de dimensionalidad con Pipeline y GridSearchCV
Curva de compensación de errores de detección
Métrica Precision-Recall para la Clasificación Desequilibrada
Column Transformer con Tipos Mixtos
Clasificación de dígitos con características de RBM
Clasificación de texto semi-supervisada
Usando la API set_output
Discretización de Características para la Clasificación
Clasificación de documentos de texto
Iterative Imputer de Scikit-Learn
Aprendizaje de variedades en dígitos manuscritos
Construyendo tuberías en Scikit-Learn
Escalado de Características en el Aprendizaje Automático
Tuberías y Estimadores Compuestos
Comparación de clasificadores de Scikit-Learn
Profesor
Labby
Labby is the LabEx teacher.
Compartir en Google Classroom
Únete a Nuestro Discord y Aprende Juntos
Únete AhoraReseñas de Usuarios
" Man kommt gleich ins handeln das macht spaß."
— Litographie90
" This is very helpful for learning"
— Juliet Inganga
Recomendado Para Ti
