LabEx
Únete

Laboratorios de Práctica de Aprendizaje Automático

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.

PythonCiencia de datos

💡 Este tutorial está traducido por IA desde la versión en inglés. Para ver la versión original, puedes hacer clic aquí

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

Introducción

Este curso de Laboratorios de Práctica de HTML está diseñado para ayudarte a mejorar tus habilidades en HTML a través de una serie de ejercicios y proyectos prácticos. Ya seas un principiante o un desarrollador web experimentado, este curso ofrece un enfoque práctico para dominar los conceptos básicos de HTML.

🎯 Tareas

En este curso, aprenderás:

  • Cómo estructurar páginas web utilizando elementos HTML
  • Cómo crear marcado HTML semántico y accesible
  • Cómo formatear texto, agregar imágenes y construir menús de navegación
  • Cómo incorporar enlaces, listas y tablas en tus páginas web
  • Cómo aplicar las mejores prácticas para escribir código HTML limpio y eficiente

🏆 Logros

Después de completar este curso, podrás:

  • Crear y estructurar con confianza páginas web basadas en HTML
  • Demostrar un sólido conocimiento de la sintaxis y la semántica de HTML
  • Implementar diversas características y elementos HTML para mejorar la estructura y la apariencia de las páginas web
  • Desarrollar la capacidad de escribir código HTML limpio, bien organizado y mantenible
  • Adquirir experiencia práctica en HTML a través de la finalización de laboratorios de práctica prácticos

Profesor

labby
Labby
Labby is the LabEx teacher.
Laboratorios de Práctica de Aprendizaje Automático
303 laboratorios
Empezar a Aprender

Únete a Nuestro Discord y Aprende Juntos

Únete Ahora
Prueba el terminal Linux online

Recomendado Para Ti

no data