Ejercicios semana 4
- Bajar la notebook para graficar el dataset de iris:
- http://scikit-learn.org/stable/auto_examples/datasets/plot_iris_dataset.html
- Ejecutar y elaborar preguntas de qué está pasando
- ¿Cuantas dimensiones tiene?
- ¿Cuantas clases?
- ¿Siguen una distribución normal?
- ¿Cuantos parámetros debería tener el modelo?
- Entrenar un clasificador de NaiveBayes para este problema:
- http://scikit-learn.org/stable/modules/generated/sklearn.naive_bayes.GaussianNB.html#sklearn.naive_bayes.GaussianNB
- Obtener la cantidad de parámetros que hay del modelo
- Graficar las gaussianas para la clase: 0
- Usando los mismos datos del dataset iris, hacer un clasificador de logistic para la clase 1; las otros ejemplos deben ser considerados como casos negativos. Usar la sigueinte clase con el parámetro loss igual a “log” y penalty igual a “none”
- http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.SGDClassifier.html#sklearn.linear_model.SGDClassifier
- Imprimir los pesos de la variable _coef
- Leer la opción de penalty discutir de qué se trata y qué efecto tendría en los pesos
- Probar la opción con “l1” y “l2”, verificar intuición en pesos
- Finalmente verificar con otros modelos de “loss”