Loading...

​​Ejercicios semana 3

1. ​​Graficar los datos de headbrain.csv

2. ​​Usando los mismos datos hacer una expansión p= 3 usando función PolynomialFeatures

• ​​http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.PolynomialFeatures.html

3. ​​Identificar cuantos pesos se necesitan para p propuesta

4. ​​Con la expansión hacer un modelo lineal usando la función LinearRegression

• ​​http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html#sklearn.linear_model.LinearRegression

5. ​​Graficar contra datos

6. ​​Con la expansión hacer un modelo lineal usando la función Ridge

• ​​http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.Ridge.html#sklearn.linear_model.Ridge

7. ​​Con la expansión hacer un modelo lineal usando la función Lasso

• ​​http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.Lasso.html#sklearn.linear_model.Lasso

8. ​​Graficar todos los modelos

​​

1. ​​Discutir modelos gráficos para probabilidades

2. ​​Hacer modelo gráfico para P(Y|X)

3. ​​Hacer modelo gráfico para P(X|Y)

4. ​​Hacer modelo gráfico modelo de naive Bayes P(X|Y)

5. ​​Calcular parámetros de un modelo de naive Bayes para los siguientes datos:

• ​​https://archive.ics.uci.edu/ml/machine-learning-databases/balloons/yellow-small.data

​​

• ​​Considerar a inflated como la salida, y el resto como entrada. Esta es la clave:

​​

​​   Color              ​​   size              ​​   act                ​​   age                ​​   inflated

​​yellow, purple ​​large, small ​​stretch, dip ​​adult, child ​​T, F

​​

​​