Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 16 vistas

    Bigdata - Semana 07a

    Cargado por

    jvila1990
    Este documento presenta los modelos de clasificación para el análisis de datos, incluyendo Support Vector Machine (SVM), K-nearest neighbor (k-NN), regresión logística y árboles de clasificación. Explica los conceptos y algoritmos detrás de cada modelo y da ejemplos de sus aplicaciones como diagnósticos médicos y reconocimiento de imágenes. El estudiante completará un proyecto práctico de clasificación usando el caso Titanic para evaluar qué factores predijeron quién sobrevivió.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Bigdata - Semana 07a

    Cargado por

    jvila1990
    16 vistas22 páginas
    Este documento presenta los modelos de clasificación para el análisis de datos, incluyendo Support Vector Machine (SVM), K-nearest neighbor (k-NN), regresión logística y árboles de clasificación. Explica los conceptos y algoritmos detrás de cada modelo y da ejemplos de sus aplicaciones como diagnósticos médicos y reconocimiento de imágenes. El estudiante completará un proyecto práctico de clasificación usando el caso Titanic para evaluar qué factores predijeron quién sobrevivió.

    Título original

    Bigdata - Semana 07a (1)

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta los modelos de clasificación para el análisis de datos, incluyendo Support Vector Machine (SVM), K-nearest neighbor (k-NN), regresión logística y árboles de clasificación. Explica los conceptos y algoritmos detrás de cada modelo y da ejemplos de sus aplicaciones como diagnósticos médicos y reconocimiento de imágenes. El estudiante completará un proyecto práctico de clasificación usando el caso Titanic para evaluar qué factores predijeron quién sobrevivió.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    16 vistas22 páginas

    Bigdata - Semana 07a

    Cargado por

    jvila1990
    Este documento presenta los modelos de clasificación para el análisis de datos, incluyendo Support Vector Machine (SVM), K-nearest neighbor (k-NN), regresión logística y árboles de clasificación. Explica los conceptos y algoritmos detrás de cada modelo y da ejemplos de sus aplicaciones como diagnósticos médicos y reconocimiento de imágenes. El estudiante completará un proyecto práctico de clasificación usando el caso Titanic para evaluar qué factores predijeron quién sobrevivió.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 22

    UNIDAD IV: MODELOS DEL ANÁLISIS DE DATOS

    Modelos de Clasificación

    Jose Espinoza Landa


    Interés
    Clasificación vs Regresión
    AGENDA
    1. Modelos de Clasificación
    2. Clasificación SVM
    3. Algoritmo: K-nearest neighbor (k-NN)
    4. Regresión Logística
    5. Algoritmo: Árboles de Clasificación
    6. Aplicaciones de la clasificación
    LOGRO DE LA UNIDAD

    Al finalizar la unidad, el estudiante implementa aplicaciones de los

    modelos de análisis de Datos aplicado a diversas con enfoque de BigData


    LOGRO DE LA SESIÓN

    Al término de esta sesión, el estudiante deberá revisar e interiorizar los

    principales conceptos de Clasificación así como implementar modelos como K-

    nearest, SVN, logística y árboles de Clasificación.

    El estudiante deberá demostrar dominio conceptual y técnico de lo aprendido

    en la sesión y aplicarlo en sus proyectos de curso.


    Descubrimiento

    1. Modelos de Clasificación
    La clasificación es otro problema de
    aprendizaje automático común que se adecua
    a la categoría de aprendizaje supervisado.

    Consiste en asignar una “categoría” a una


    observación. Estamos prediciendo una variable
    discreta (que puede tomar pocos valores
    diferentes).

    Podemos predecir: si un cliente va a cancelar su subscripción o no?,


    Si un lunar es canceroso o no.
    Si un vino es rojo, blanco o rosado.
    Si una flor es rosa, un tulipán, un lirio.
    Descubrimiento
    Modelos de Clasificación
    Es común, en problemas de clasificación, proporcionar no solo un conjunto de
    puntos de datos de ejemplo de cada clase, sino también establecer cuáles son las
    características de cada punto de datos más útiles para estimar la clase
    correspondiente ➔ alimentamos las observaciones del modelo.
    Descubrimiento
    2. Clasificación SVM
    En nuestro modelo podemos aplicar un algoritmo de maquina de soporte vectorial (SVM – Support
    vector machine) separa la data con una línea.

    Con una línea recta vemos que calsifica 2 puntos


    azules como rojos, lo que significa que para esos
    datos fue un mal pronóstico.

    Podemos aplicar en nuestro modelo un curva en


    lugar de una línea. El resultado hace que se ajuste
    perfectamente.
    Descubrimiento
    Algoritmo: (SVM)
    (Máquinas de vector de soporte - SVM) En lugar de basar la asignación de
    membresía de la categoría en distancias de otros puntos, SVM computa la frontera,
    o el hiperplano, que mejor separa los grupos.

    El H3 es el hiperplano que
    maximiza la distancia entre
    puntos de entrenamiento de las
    dos clases, visibles en color o en
    blanco y negro. Cuando se
    presenta un nuevo punto de
    datos, se clasifica según si se
    encuentra en un lado o en el
    otro de H3.
    Descubrimiento
    3. Algoritmo: K-nearest neighbor (k-NN)
    (K-vecinos más cercanos) es posiblemente el clasificador más simple, que utiliza la distancia entre los
    ejemplos de entrenamiento como medida de similitud.

    Los puntos de datos de cada clase se


    marcan con otro símbolo. La distancia
    entre los puntos representa la diferencia
    entre los valores de sus funciones.

    Aplicaciones: sistemas de
    recomendación, búsqueda semántica y
    detección de anomalías.
    Descubrimiento
    Algoritmo: K-nearest neighbor (k-NN)
    Algoritmo de aprendizaje supervisado basado en la distancia. El algoritmo no aprende explícitamente
    un modelo ➔ memoriza las instancias de entrenamiento que son la «base de conocimiento» para la
    predicción.

    ➢ Calcular la distancia entre el item a clasificar


    y el resto de items del dataset de
    entrenamiento.
    ➢ Seleccionar los «k» elementos más cercanos
    (con menor distancia, según la función que se
    use)
    ➢ Realizar una «votación de mayoría» entre los
    k puntos: los de una clase/etiqueta que
    <<dominen>> decidirán su clasificación final.
    Descubrimiento
    4. Regresión Logística
    La regresión logística es un algoritmo de clasificación que es utilizado para predecir la probabilidad de que un
    dato pertenezca a una categoría. En este método, la variable dependiente es una variable binaria.

    ➢ La curva logística o curva en forma de S es


    una función matemática que aparece en
    diversos modelos de crecimiento de
    poblaciones, propagación de
    enfermedades epidémicas y difusión en
    redes sociales.
    ➢ Dicha función constituye un refinamiento
    del modelo exponencial para el
    crecimiento de una magnitud.
    Descubrimiento
    Conjunto de Datos desbalanceados
    Resampling:
    Cuando muestreamos la variable de respuesta y tiene una tendencia o la mayoría de sus
    resultados son de un valor. El modelo implementado podría tener sesgo a la tendencia.

    Undersampling vs Oversampling
    ➢ El submuestreo consiste en eliminar registros aleatorios de la clase mayoritaria, lo
    que puede causar pérdida de información.
    ➢ El sobremuestreo (super) es duplicar registros aleatorios de la clase minoritaria, lo
    que puede causar un sobreajuste.
    Descubrimiento
    5. Algoritmo: Árboles de Clasificación

    Los modelos de árbol, donde la variable de destino puede tomar un conjunto finito de valores se
    denominan árboles de clasificación. Las estructuras del árbol, las hojas representan etiquetas de clase y
    las ramas representan las conjunciones de características que conducen a esas etiquetas.

    ➢ Cada nodo interno (no hoja) está etiquetado con


    una función de entrada

    ➢ Cada hoja del árbol se marca con una clase o una


    distribución de probabilidad sobre las clases
    Descubrimiento
    Algoritmo: Árboles de Clasificación
    El método, pretende explicar o predecir una variable a partir de un conjunto de
    variables predictoras utilizando un conjunto de reglas sencillas

    En nuestro ejemplo se construye nuestro árbol a partir de comparaciones


    sencillas de los valores de las variables "x" y las variables "y".
    Descubrimiento
    6. Aplicaciones de la clasificación:
    ➢ Evaluación de riesgos: los sistemas pueden determinar que factores contribuyen a la probabilidad
    de diversos riesgos. Por ejemplo, clasificar a los usuarios de seguros vehicular en categorías de
    bajo, medio y alto riesgo y ajustar las primas que pagan según el nivel de riesgo.
    Descubrimiento
    Aplicaciones de la clasificación:
    ➢ Diagnósticos médicos: pueden utilizar preguntas orientadas para construir un
    árbol de decisión que ayude a diagnosticar las enfermedades y riesgos de
    enfermedades. Realizar el análisis preliminar de una gran cantidad de imágenes
    de diagnóstico, y señalar las condiciones sospechosas para revisión de los
    médicos.
    Descubrimiento
    Aplicaciones de la clasificación:
    ➢ Reconocimiento de imagen: como el reconocimiento de escritura a mano,
    identificar números manuscritos. El clasificador recibe un ejemplo grande de
    números manuscritos, que se ha etiquetado en cada instancia con el número real
    representado. El clasificador busca las funciones que probablemente estén
    presentes y sean únicas para cada uno de los números.
    Experiencia

    Trabajo Practico
    Análisis del caso Titanic
    Quiénes sobrevivieron según las estadísticas.
    ➢ Parte 1: Crear un clasificador de
    árbol de decisiones
    ➢ Parte 2: Aplicar el modelo del árbol
    de decisiones
    ➢ Parte 3: Evaluar el modelo del árbol
    de decisiones
    Aprendizaje evidenciado

    Trabajo Aplicativo

    ➢ Parte 1: Realizar un análisis de los datos con


    estádisticos
    ➢ Parte 2: Elaborar los distintos modelos de
    clasificación en el proyecto grupal
    implementado
    ➢ Parte 3: Presentar sus conclusiones
    Referencias

    • Big Data y Analytics de CISCO NETWORKING ACADEMY


    • Caballero, R. Martin – BIG DATA CON PHYTON
    • edX – Big Data sin misterios
    • CRISP-DM Overview. URL: http://www.datascience-pm.com/crisp-dm-2/

    • Scikit-learn - Funciones de evaluación: URL: https://scikit-


    learn.org/stable/modules/classes.html#module-sklearn.metrics
    • Lgdi Gonzales / 20 Abril, 2018 - Mitos y Verdades sobre Machine Learning. URL:
    https://ligdigonzalez.com/mitos-y-verdades-sobre-machine-learning/

    También podría gustarte