Inteligencia Artificial y Machine Learning | Python - Qué son y cómo crear Meta-Clasificadores o Meta-Regresores: Bagging en Machine Learning con Python

Para citar este recurso educativo utiliza la siguiente referencia: Gutiérrez-García, J.O. [Código Máquina]. (2022, 7 de Marzo). Qué son y cómo crear Meta-Clasificadores o Meta-Regresores: Bagging en Machine Learning con Python [Video]. YouTube. [Incluye aquí la URL del video]. 👉 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 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. ******************************************** La técnica Bagging construye meta-clasificadores o meta-regresores que clasifican instancias o predicen valores tomando en cuenta el voto o el promedio del resultado de un conjunto de estimadores, los cuales son creados a partir de muestreos aleatorios. En este video se explica cómo crear estos meta-estimadores utilizando Scikit-Learn de Python. La eficacia de la técnica Bagging se ejemplifica utilizando como estimador base a K-vecinos más cercanos (KNN). Esta técnica base se usa para construir un meta-regresor y un meta-clasificador. Índice del Video: 0:00 Introducción 2:44 Datos para modelos 4:10 Muestras para modelos 7:10 Escalamiento de los datos 9:37 Visualización de los datos 12:56 Explicación breve de KNN 15:10 Metamodelos Bagging ⭐ Apoya a Código Máquina dando un Like, Comentando, Compartiendo o con un Super Gracias. ⭐ De la co-fundadora de Código Máquina, productos de cosmética natural SINHAKI: https://www.amazon.com.mx/stores/sinHaki/page/1BD34FBC-C0F9-44F5-AC69-520634334C61?ref_=ast_bln El código y datos del video están disponibles en GitHub: https://github.com/CodigoMaquina/code #MachineLearning #AprendizajeAutomático #DataScience #ScikitLearn #Python #AprendizajeDeMaquina #SkLearn #CienciaDeDatos