Loading...

​​Ejercicios semana 4

1. ​​Bajar la notebook para graficar el dataset de iris: 

• ​​http://scikit-learn.org/stable/auto_examples/datasets/plot_iris_dataset.html

2. ​​Ejecutar y elaborar preguntas de qué está pasando

1. ​​¿Cuantas dimensiones tiene?

2. ​​¿Cuantas clases?

3. ​​¿Siguen una distribución normal?

4. ​​¿Cuantos parámetros debería tener el modelo?

3. ​​Entrenar un clasificador de NaiveBayes para este problema:

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

4. ​​Obtener la cantidad de parámetros que hay del modelo

5. ​​Graficar las gaussianas para la clase: 0

​​

1. ​​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

2. ​​Imprimir los pesos de la variable _coef

3. ​​Leer la opción de penalty discutir de qué se trata y qué efecto tendría en los pesos

4. ​​Probar la opción con “l1” y “l2”, verificar intuición en pesos

5. ​​Finalmente verificar con otros modelos de “loss”

​​

​​