Course Hive
Search

Welcome

Sign in or create your account

Continue with Google
or
Análisis de Componentes Principales (PCA) para Reducir la Dimensionalidad de Datos usando Python
Play lesson

Aprendizaje de Máquina NO Supervisado | Python | Aprendizaje Automático NO Supervisado | Machine Learning NO Supervisado - Análisis de Componentes Principales (PCA) para Reducir la Dimensionalidad de Datos usando Python

5.0 (3)
24 learners

What you'll learn

This course includes

  • 4.3 hours of video
  • Certificate of completion
  • Access on mobile and TV

Summary

Keywords

Full Transcript

Este video explica en qué consiste el Análisis de Componentes Principales (mejor conocido como PCA por sus siglas en inglés) así como su uso en la reducción de dimensionalidad de datos. 👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en https://www.xiperia.com ℹ️ Octavio Gutiérrez es el único responsable del contenido, afirmaciones y opiniones expresadas en este video, las cuales no están vinculadas a las organizaciones a las que está asociado. 🌐 Para conocer más sobre Octavio Gutiérrez, visita su perfil en LinkedIn https://www.linkedin.com/in/octaviogutierrez/ Para citar este recurso educativo utiliza la siguiente referencia: Gutiérrez-García, J.O. [Código Máquina]. (2022, 4 de Julio). Análisis de Componentes Principales (PCA) para Reducir la Dimensionalidad de Datos usando Python [Video]. YouTube. [Incluye aquí la URL del video] ******************************************** Para guiar tu aprendizaje, en este vínculo (https://youtu.be/lomJnbN5Wnk) se encuentra una guía secuencial para aprender: 1. Programación Básica con Python; 2. Manejo de Datos; 3. Visualización de Datos; 4. Análisis de Datos; y 5. Aprendizaje de Máquina y Ciencia de Datos. ******************************************** Índice del Video: 0:00 Maldición de la dimensionalidad 2:01 Introducción a PCA (o ACP) 7:36 Paso 1: Estandarización de los datos 10:25 Paso 2: Matriz de covarianza 13:08 Paso 3: Vectores y valores Eigen 17:12 Paso 4: Proyección de Datos y Reducción de dimensionalidad 18:46 Implementación de PCA en python ⭐ Apoya a Código Máquina dando un Like, Comentando, Compartiendo o con un Super Gracias. 📊 Los datos no mienten: La caída del cabello se frena con mantenimiento predictivo, no correctivo. El nuevo shampoo sólido anticaída de la co-fundadora de Código Máquina es el upgrade de alto rendimiento que tu hardware biológico necesita. 🧪💻🧬 👉 Consigue el tuyo y estabiliza el sistema: https://bit.ly/Sinhaki El código del video está disponible en GitHub https://github.com/CodigoMaquina/code #cienciadedatos #datascience #machinelearning #aprendizajedemaquina #analisisdedatos #python

Course Hive

Continue this lesson in the app

Install CourseHive on Android or iOS to keep learning while you move.

Related Courses

FAQs

Course Hive
Download CourseHive
Keep learning anywhere