Domina Feature Engineering en Modelos Machine Learning y Red Neuronal | Tutorial Tensorflow Keras R
HTML-код
- Опубликовано: 18 сен 2024
- 🧠 En este emocionante video, te guiaré paso a paso a través del proceso de Feature Engineering y como su aplicación mejora el desempeño de tu modelo de machine learning.
- Escala, selección, combinación o transformación de variables !!
🔍 Aprenderás como impulsar el desempeño, modificar la arquitectura de la red neuronal, la configuración de parámetros del modelo y la evaluación del desempeño utilizando la poderosa biblioteca Tensorflow & Keras
📊 Compara modelos y ponlos a prueba con Data Test.
* Detección del customer churn / abandono o perdidas de clientes con redes neuronales utilizando R para negocios.
📈 Además, exploraras y aplicaras el pre procesamiento de datos y la estandarizacion, porqué es tan importante y necesario !!!
¡No te pierdas esta oportunidad de adentrarte en el mundo del machine learning aplicado a negocios!
Tutorial Customer Churn con Redes neuronal & Keras y TensorFlow en R • Customer Churn con Ten...
#tensorflow #keras #caret
#neuralnetwork #business #R #MachineLearning #RedesNeuronales #customerchurn #rprogramming #AprendizajeAutomático
🎓 ¡Suscríbete y activa las notificaciones para no perderte ninguna actualización en el canal!
Cualquier comentario o sugerencia es bienvenido.
Contacto: raulvalerio@gmail.com
💡Guía Definitiva de Redes Neuronales | Capas Ocultas Back Propagation Pesos y Funcion de Activación🧠
• 💡Guía Definitiva de Re...
XGB regresion y feature engineering House Price: • XGBoost y feature engi...
- Tratamiento de los valores extremos (outliers)
- Creacion o mejora de variables mediante Date y time
- Selección y eliminacion de variables: elegir las variables a utilizar
XGBoost Seleccion de variables con regresion y Recursive Feature elimination: • XGBoost y seleccion de...
Extreme Gradient Boosting
Ajuste de hiperparametros: • Regresion XGBoost Ajus...
- Explicando los hiperparametros del XGB
* learning rate, max_depth, gamma, Regularization, alpha, child_weight,
number of estimators
- Aplicando Grid Search con gridSearchCV
- Ejecucion del mejor modelo segun parametros
XGB: Clasificacion paso a paso en Python: • XGBoost: Clasificacion...
XGBoost y Clasificacion Multi Clases Python | Aprendizaje supervisado | Analisis Datos Calidad Vino: • XGBoost y Clasificacio...
Machine learning en Python #Python #Regresion #XGBoost #Sklearn
• Python | Regresion lin...
Machine learning en R
• Machine Learning
My youtube channel in English:
/ @rvstats_eng
Algoritmo de Clustering HDBSCAN, Kmeans con R
• Algoritmos de Clusteri...
Algoritmos de clustering jerarquicos en R
• Hierarchical Clusterin...
Algoritmos de clustering jerarquicos en python
• V-1: Clustering jerarq...
Algoritmo HDBSCAN: • V1: Que es clustering ...
Algoritmo de K-means:
- Que es Kmeans y centroides: • V3: Numero Adecuado de...
- Normalizacion y numero adecuado de clusters: • V2: Clustering con K-m...
- Metodo Elbow, Distorsion e Inercia: • V1: Clustering con K-m...
Aprendizaje automático ## Aprendizaje supervisado y no supervisado
análisis estadístico ##Factores supervised learning neurona
análisis estadístico #factory #factors
Independiente y dependiente #entrada y salida
#machinelearning and supervised learning
overfitting, hyperparameter, classifier, classification, matrix
input and output, statistical analysis