Este explorador ya no se admite.
Actualice a Microsoft Edge para aprovechar las características y actualizaciones de seguridad más recientes, y disponer de soporte técnico.
¿Por qué se limpian los datos antes del entrenamiento?
La eliminación de filas de datos hace que nuestro modelo sea más eficaz.
La limpieza de datos nos ayuda a seleccionar características que mejoran el rendimiento del modelo.
La eliminación de las filas que tienen errores evita que estas filas equivoquen el proceso de entrenamiento.
¿Qué tipo de datos se codifican mejor con los vectores one-hot?
Datos ordinales
Datos categóricos con dos valores posibles
Datos categóricos con tres valores o más
¿Qué es una muestra de datos? ¿Qué es una población?
Una muestra son todos los datos posibles que nos interesan. Una población es el subconjunto de esos datos que tenemos a mano.
Tanto la población como la muestra hacen referencia a los datos que usamos para entrenar el modelo.
Una población son todos los datos posibles que nos interesan. Una muestra es el subconjunto de los datos que tenemos a mano.
Tiene un modelo que no funciona bien. ¿Cuál de estas opciones definitivamente no ayuda a mejorar su rendimiento?
Agregar más ejemplos (filas).
Agregar un reducido número de características (columnas) que sabe que están relacionadas con aquello que el modelo intenta predecir.
Agregar un gran número de características que sabe que no están relacionadas con aquello que el modelo intenta predecir.
Debe responder todas las preguntas antes de comprobar su trabajo.
¿Le ha resultado útil esta página?