book

Introducción al Aprendizaje Automático con Python

by Andreas C. Müller, Sarah Guido

September 2024

Intermediate to advanced

400 pages

11h 15m

Spanish

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

Quién debería leer este libroPor qué escribimos este libroNavegar por este libroRecursos en líneaConvenciones utilizadas en este libroUtilizar ejemplos de códigoSafari O'ReillyCómo contactar con nosotrosAgradecimientosDe AndreasDe Sarah
1.1. ¿Por qué aprendizaje automático?1.1.1. Problemas que puede resolver el aprendizaje automático1.1.2. Conocer tu tarea y conocer tus datos1.2. ¿Por qué Python?1.3. scikit-learn1.3.1. Instalación de scikit-learn1.4. Bibliotecas y herramientas esenciales1.4.1. Cuaderno Jupyter1.4.2. NumPy1.4.3. SciPy1.4.4. matplotlib1.4.5. pandas1.4.6. mglearn1.5. Python 2 frente a Python 31.6. Versiones utilizadas en este libro1.7. Una primera aplicación: La clasificación de las especies de lirios1.7.1. Conoce los datos1.7.2. Medir el éxito: Datos de entrenamiento y prueba1.7.3. Lo primero es lo primero: Mira tus datos1.7.4. Construir tu primer modelo: k-Primeros vecinos1.7.5. Hacer predicciones1.7.6. Evaluación del modelo1.8. Resumen y perspectivas
2.1. Clasificación y regresión2.2. Generalización, sobreajuste e infraajuste2.2.1. Relación entre la complejidad del modelo y el tamaño del conjunto de datos2.3. Algoritmos de aprendizaje automático supervisado2.3.1. Algunos conjuntos de datos de muestra2.3.2. Vecinos más próximos k2.3.3. Modelos lineales2.3.4. Clasificadores Naive Bayes2.3.5. Árboles de decisión2.3.6. Conjuntos de árboles de decisión2.3.7. Máquinas de vectores de apoyo kernelizadas2.3.8. Redes neuronales (aprendizaje profundo)2.4. Estimaciones de incertidumbre de los clasificadores2.4.1. La función de decisión2.4.2. Predecir probabilidades2.4.3. Incertidumbre en la clasificación multiclase2.5. Resumen y perspectivas
3.1. Tipos de aprendizaje no supervisado3.2. Retos del aprendizaje no supervisado3.3. Preprocesamiento y escalado3.3.1. Diferentes tipos de preprocesamiento3.3.2. Aplicar transformaciones de datos3.3.3. Escalar los datos de entrenamiento y de prueba de la misma manera3.3.4. El efecto del preprocesamiento en el aprendizaje supervisado3.4. Reducción de la dimensionalidad, extracción de rasgos y aprendizaje múltiple3.4.1. Análisis de Componentes Principales (ACP)3.4.2. Factorización de matrices no negativas (NMF)3.4.3. Aprendizaje de Múltiples con t-SNE3.5. Agrupación3.5.1. Agrupación k-Means3.5.2. Agrupación aglomerativa3.5.3. DBSCAN3.5.4. Comparación y evaluación de los algoritmos de agrupación3.5.5. Resumen de los métodos de agrupación3.6. Resumen y perspectivas
4.1. Variables categóricas4.1.1. Codificación en caliente (variables ficticias)4.1.2. Los números pueden codificar categorías4.2. OneHotEncoder y ColumnTransformer: Variables categóricas con scikit-learn4.3. Creación cómoda de ColumnTransformer con make_columntransformer4.4. Binning, Discretización, Modelos Lineales y Árboles4.5. Interacciones y polinomios4.6. Transformaciones no lineales univariantes4.7. Selección automática de rasgos4.7.1. Estadísticas univariantes4.7.2. Selección de rasgos basada en modelos4.7.3. Selección iterativa de rasgos4.8. Utilizar el conocimiento experto4.9. Resumen y perspectivas
5.1. Validación cruzada5.1.1. Validación cruzada en scikit-learn5.1.2. Ventajas de la validación cruzada5.1.3. Validación cruzada k-fold estratificada y otras estrategias5.2. Búsqueda en la parrilla5.2.1. Búsqueda simple en la parrilla5.2.2. El peligro de sobreajustar los parámetros y el conjunto de validación5.2.3. Búsqueda en cuadrícula con validación cruzada5.3. Métricas de evaluación y puntuación5.3.1. Ten presente el objetivo final5.3.2. Métricas para la clasificación binaria5.3.3. Métricas para la clasificación multiclase5.3.4. Métricas de regresión5.3.5. Uso de métricas de evaluación en la selección de modelos5.4. Resumen y perspectivas
6.1. Selección de parámetros con preprocesamiento6.2. Construir tuberías6.3. Utilizar canalizaciones en las búsquedas en la parrilla6.4. La interfaz general de la tubería6.4.1. Creación cómoda de tuberías con make_pipeline6.4.2. Acceder a los atributos de los pasos6.4.3. Acceder a los atributos de una tubería dentro de GridSearchCV6.5. Pasos de preprocesamiento de la búsqueda en cuadrícula y parámetros del modelo6.6. Buscar en la parrilla qué modelo utilizar6.6.1. Evitar el cálculo redundante6.7. Resumen y perspectivas
7.1. Tipos de datos representados como cadenas7.2. Ejemplo de aplicación: Análisis de Sentimiento de las Críticas de Películas7.3. Representar datos de texto como una bolsa de palabras7.3.1. Aplicación de la bolsa de palabras a un conjunto de datos de juguete7.3.2. Bolsa de palabras para críticas de películas7.4. Palabras clave7.5. Reescalar los datos con tf-idf7.6. Investigación de los coeficientes del modelo7.7. Bolsa de palabras con más de una palabra (n-gramas)7.8. Tokenización avanzada, stemming y lematización7.9. Modelización de temas y agrupación de documentos7.9.1. Asignación latente de Dirichlet7.10. Resumen y perspectivas
8.1. Planteamiento de un problema de aprendizaje automático8.1.1. Los humanos en el bucle8.2. Del prototipo a la producción8.3. Comprobación de los sistemas de producción8.4. Construir tu propio estimador8.5. ¿Hacia dónde nos dirigimos?8.5.1. Teoría8.5.2. Otros marcos y paquetes de aprendizaje automático8.5.3. Clasificación, sistemas de recomendación y otros tipos de aprendizaje8.5.4. Modelización probabilística, inferencia y programación probabilística8.5.5. Redes neuronales8.5.6. Escalar a conjuntos de datos más grandes8.5.7. Perfeccionar tus habilidades8.6. Conclusión

Content preview from Introducción al Aprendizaje Automático con Python

Capítulo 4. Representación de datos y características de ingeniería

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com

Hasta ahora, hemos supuesto que nuestros datos llegan como una matriz bidimensional de números en coma flotante, donde cada columna es una característica continua que describe los puntos de datos. En muchas aplicaciones, no es así como se recogen los datos. Un tipo de característica especialmente común son las características categóricas. También conocidas como características discretas, no suelen ser numéricas. La distinción entre características categóricas y características continuas es análoga a la distinción entre clasificación y regresión, sólo que en el lado de la entrada y no en el de la salida. Ejemplos de características continuas que hemos visto son el brillo de los píxeles y las medidas del tamaño de las flores de las plantas. Ejemplos de características categóricas son la marca de un producto, el color de un producto o el departamento (libros, ropa, ferretería) en el que se vende. Todas ellas son propiedades que pueden describir un producto, pero no varían de forma continua. Un producto pertenece al departamento de ropa o al de libros. No hay un término medio entre los libros y la ropa, ni un orden natural para las distintas categorías (los libros no son mayores ni menores que la ropa, la ferretería no está entre los libros y la ropa, etc.).

Independientemente de los tipos de características ...