There are no reviews yet. Be the first to send feedback to the community and the maintainers!
Serie-de-tiempo-con-Machine-Learning
Python
Normalizacion-de-Datos
Mi-Dataset
Pronostico-Exponenciales-Metodo-Holt-Winters-y-Modelo-de-Tendencia-Amortiguada-con-RStudio
Curso-Peru
Curso PeruGrafico-de-burbujas-con-RStudio
An-lisis-discriminante-lineal-LDA-con-R
Curva-de-ROC-con-RStudio
databricks_pyspark
Creando-intervalos-en-RStudio
Machine-Learning-con-PySpark-usando-Databricks
Grafico-financiero-con-RStudio
Importar-precio-de-acciones-de-Yahoo-a-RStudio
Grafico-de-spyder-o-de-radar-basico
Analisis-discriminante-regularizado-RDA
Analisis-discriminante-flexible-FDA
Cadena-de-Markov
Cadena de MarkovModelo-de-Arbol-de-Clasificacion-con-RStudio
An-lisis-discriminante-cuadr-tico---QDA-con-RStudio
4-forma-de-graficar-funciones-de-densidad-continua
R-Studio
An-lisis-Discriminante-de-Mezcal-MDA
Crear-particiones-de-datos-para-modelos-de-Machine-Learning-
Los analistas necesitan una evaluación imparcial de la calidad de sus modelos de aprendizaje automático. Para conseguirlo, dividen los datos disponibles en dos partes. Usan una parte para construir el modelo de aprendizaje automático y retienen los datos restantes para la evaluación del desempeño del modelo en los datos de reserva. Veremos 4 varios casos para hacer las particiones: Caso 1: variable objetivo numérica y dos particiones Caso 2: variable objetivo numérica y tres particiones Caso 3: variable objetivo categórica y dos particiones Caso 4: variable objetivo categórica y tres particionesLove Open Source and this site? Check out how you can help us