Tu Primer Modelo de Machine Learning | Data Science con Python | Inteligencia Artificial

Summary

Este video ofrece una guía detallada sobre cómo crear un modelo de Machine Learning desde cero. El presentador, Javier, un matemático y científico de datos, utiliza un conjunto de datos de propiedades de Melbourne para enseñar los conceptos fundamentales. Inicia importando pandas para manipular y explorar los datos, identifica y maneja valores faltantes, y luego utiliza características como el número de habitaciones y baños, así como la latitud y longitud para predecir el precio de las propiedades. Javier selecciona un Decision Tree Regressor como modelo inicial, lo entrena y evalúa su rendimiento utilizando el Mean Absolute Error (MAE). Para mejorar la calidad del modelo, discute la técnica de train-test split para evitar el overfitting y sugiere ajustar parámetros como el número de hojas en el árbol de decisión. Finalmente, compara el rendimiento del Decision Tree con un Random Forest, encontrando que este último ofrece mejores resultados sin ajustar parámetros. El video concluye con una llamada a la acción para que los espectadores den like, dejen comentarios y se suscriban para más contenido educativo.

Takeaways

• 📈 El vídeo es una guía para crear un primer modelo de Machine Learning paso a paso.
• 📊 Javier, el presentador, es un matemático y científico de datos que comparte conocimientos sobre Data Science.
• 🏠 Se utiliza un conjunto de datos de casas en Melbourne para示范 el proceso de análisis y modelado.
• 📄 Se emplea pandas, una biblioteca de Python, para leer y manipular archivos CSV.
• 🧐 Se realiza una exploración inicial de los datos para entender la estructura y las características relevantes.
• 🔍 Se busca identificar y manejar los valores faltantes (missing values) en los datos.
• 🚫 Se decide eliminar filas con valores faltantes para simplificar el proceso.
• 🌳 Se selecciona un modelo de Decision Tree Regressor para hacer predicciones sobre el precio de las casas.
• ⚙️ Se discuten los parámetros del modelo y su efecto en el overfitting y underfitting.
• 📝 Se utiliza el mean absolute error (MAE) como métrica para evaluar el rendimiento del modelo.
• 🔄 Se realiza una división en conjuntos de entrenamiento y validación para evitar el overfitting.
• 🌳 Se sugiere que el modelo Decision Tree puede ser ajustado con diferentes parámetros, como el número de hojas.
• 🔧 Se compara el rendimiento del modelo Decision Tree con un modelo Random Forest, obteniendo mejores resultados con este último.

Q & A

¿Qué es lo que Javier quiere enseñar en este vídeo?

Javier quiere enseñar paso a paso cómo crear el primer modelo de Machine Learning utilizando un conjunto de datos de casas en Melbourne.

¿Qué biblioteca de Python se utiliza para leer archivos CSV?

Se utiliza la biblioteca 'pandas' para leer archivos CSV en Python.

¿Qué función de pandas se utiliza para leer un archivo CSV?

La función 'read_csv' de pandas se utiliza para leer un archivo CSV.

¿Qué hace la función 'describe' en un DataFrame de pandas?

La función 'describe' muestra un resumen de las estadísticas descriptivas de las columnas numéricas de un DataFrame.

¿Cómo se identifican los valores faltantes en un DataFrame de pandas?

Los valores faltantes en un DataFrame de pandas se identifican con 'NaN' (Not a Number).

¿Qué hace el método 'dropna' en un DataFrame de pandas?

El método 'dropna' se utiliza para eliminar filas o columnas que contengan valores faltantes ('NaN').

¿Qué es un Decision Tree Regressor y cómo se utiliza en Machine Learning?

Un Decision Tree Regressor es un modelo de Machine Learning que utiliza una estructura en forma de árbol para predecir valores numéricos basándose en características o predictores.

¿Qué es el MAE en el contexto de Machine Learning?

El MAE (Mean Absolute Error) es una métrica que mide el error absoluto medio cometido por un modelo en sus predicciones.

¿Qué es el overfitting en Machine Learning y cómo se puede prevenir?

El overfitting es cuando un modelo se ajusta demasiado bien a los datos de entrenamiento y, por lo tanto, no generaliza bien a nuevos datos. Se puede prevenir ajustando los parámetros del modelo, como el número de hojas en un Decision Tree, o utilizando técnicas como el train-test split.

¿Cómo se realiza una división en un conjunto de datos para entrenamiento y validación en Machine Learning?

Se utiliza la técnica del 'train-test split', que divide el conjunto de datos en dos partes: una para entrenar el modelo y otra para validar su desempeño.

¿Qué es un Random Forest y cómo difiere de un Decision Tree Regressor?

Un Random Forest es un modelo de Machine Learning que consiste en una colección de árboles de decisión. Difiere del Decision Tree Regressor en que utiliza múltiples árboles para hacer predicciones, lo que generalmente lleva a una mejor precisión y menor riesgo de overfitting.

¿Por qué es importante ajustar los parámetros de un modelo de Machine Learning?

Ajustar los parámetros de un modelo de Machine Learning es importante para encontrar el mejor equilibrio entre la capacidad de aprendizaje y la capacidad de generalizar a nuevos datos, evitando así el overfitting o el underfitting.

Outlines

00:00

😀 Introducción al Modelado de Machine Learning

El vídeo comienza con Javier, un científico de datos, que presenta el proceso de creación de un modelo de Machine Learning paso a paso. Comienza importando la biblioteca pandas para leer un conjunto de datos CSV de propiedades en Melbourne. Luego, utiliza la función 'read_csv' para cargar los datos y se asegura de que estén separados por comas y en formato UTF-8. Después de cargar los datos, utiliza 'describe' para obtener una visión general de las características numéricas y detecta valores faltantes, los cuales decide eliminar para limpiar el conjunto de datos.

05:00

🤖 Preparación y Selección de Variables

Javier procede a explicar cómo se seleccionan las variables para el modelo, eligiendo 'price' como la variable objetivo y 'rooms', 'bathroom', 'land size', 'latitude' y 'longitude' como características predictoras. Estas variables numéricas son importantes para predecir el precio de una propiedad. Luego, utiliza técnicas para manejar los valores faltantes, optando por eliminar filas con datos faltantes, reduciendo el tamaño del conjunto de datos pero mejorando su calidad.

10:01

📈 Entrenamiento del Modelo y Evaluación Inicial

Para entrenar el modelo, Javier decide utilizar un 'decision tree regressor', un modelo que se divide en características y luego predice el valor de la propiedad. Entrena el modelo con 6000 instancias y luego evalúa sus predicciones en las primeras cinco propiedades, obteniendo una precisión del 100%. Sin embargo, utiliza el 'mean absolute error' (MAE) para medir el rendimiento del modelo, encontrando un error de 1115, lo que indica una buena precisión en las predicciones.

🔍 Detección de Overfitting y Soluciones

Javier discute el problema del overfitting, donde el modelo se ajusta demasiado bien a los datos de entrenamiento y no generaliza bien a nuevos datos. Para solucionarlo, utiliza la técnica de 'train-test split', separando los datos en un conjunto de entrenamiento y uno de validación. Evalúa el modelo en el conjunto de validación y encuentra un error más grande, lo que indica que el modelo no es tan preciso como parecía. Propone ajustar los parámetros del modelo para prevenir el overfitting y mejora el MAE a 266 con 50 hojas en el árbol de decisión.

🚀 Comparación con un Modelo Random Forest

Para mejorar el modelo, Javier sugiere probar con un 'Random Forest', que es una extensión del modelo de árbol de decisión que utiliza múltiples árboles para predecir el valor. Sin ajustar los parámetros, el modelo Random Forest mejora el MAE a 195, lo que indica que este modelo es más efectivo para predecir precios de propiedades en comparación con el modelo de árbol de decisión simple.

Keywords

💡Machine learning

Machine learning es un campo de la inteligencia artificial que se enfoca en el desarrollo de algoritmos y estadísticas que permiten a las máquinas aprender y mejorar a partir de los datos sin la necesidad de un programador para instruirlas explícitamente. En el video, se utiliza para crear un modelo que prediga el precio de las casas en función de diferentes características.

💡CSV

CSV (Comma-Separated Values) es un formato de archivo de datos que utiliza comas para separar los valores en una línea y saltos de línea para separar los registros. En el video, se menciona el uso de un archivo CSV que contiene datos de casas en Melbourne para entrenar el modelo de machine learning.

💡Pandas

Pandas es una biblioteca de programación de código abierto escrita en Python, especialmente diseñada para la manipulación de datos. En el video, se utiliza para leer y manipular los datos CSV, preparándolos para el análisis y el entrenamiento del modelo.

💡Missing values

Missing values, o valores faltantes, son datos en los que no se proporciona información para un registro específico. En el contexto del video, son un problema para el entrenamiento del modelo, ya que el modelo no puede aprender de los datos faltantes. Se aborda la solución de eliminar filas con valores faltantes para 'limpiar' los datos.

💡Describe

Describe es una función en Pandas que proporciona una descripción general de las columnas numéricas de un DataFrame, incluyendo estadísticas como la media, el desviación estándar y los valores mínimos y máximos. En el video, se utiliza para obtener una visión rápida de las características numéricas de los datos de las casas.

💡Decision Tree

Un Decision Tree es un modelo de machine learning que funciona dividiendo los datos en nodos, basándose en ciertas características, y luego tomando decisiones para clasificar o predecir el resultado. En el video, se utiliza un Decision Tree Regressor para predecir el precio de las casas.

💡Features

En machine learning, las features son las características o atributos de los datos que se utilizan para entrenar el modelo. En el video, las features incluyen el número de habitaciones, baños, tamaño de la propiedad, latitud y longitud, que se utilizan para predecir el precio de las casas.

💡Overfitting

El overfitting ocurre cuando un modelo de machine learning se ajusta demasiado bien a los datos de entrenamiento, lo que puede llevar a un rendimiento peor en datos no vistos previamente. En el video, se discute cómo el modelo podría estar sobreajustado si predice los precios de casas que ya ha visto durante el entrenamiento.

💡Train-test split

El train-test split es una técnica utilizada en machine learning para dividir los datos en dos conjuntos: uno para entrenar el modelo y otro para evaluar su rendimiento. En el video, se utiliza para separar los datos en conjuntos de entrenamiento y validación, permitiendo al modelo hacer predicciones en datos que no vio durante el entrenamiento.

💡Mean Absolute Error (MAE)

El Mean Absolute Error (MAE) es una métrica utilizada para medir la calidad de los modelos de predicción. Calcula la media de los errores absolutos en las predicciones. En el video, se utiliza para evaluar el rendimiento del modelo, indicando cuánto está equivocándose en promedio al predecir los precios de las casas.

💡Random Forest

Random Forest es un algoritmo de machine learning que utiliza múltiples decision trees para tomar decisiones de predicción. Es conocido por su capacidad para manejar grandes conjuntos de datos y su resistencia al overfitting. En el video, se sugiere como un modelo alternativo para mejorar la predicción del precio de las casas.

Highlights

El vídeo ofrece un tutorial paso a paso para crear un modelo de Machine Learning.

Se utiliza un conjunto de datos de casas en Melbourne para el análisis.

Importancia de la biblioteca pandas para leer archivos CSV.

Se aborda la exploración de datos y la importancia de las columnas numéricas.

Se destaca la presencia de 'missing values' en los datos y su impacto en el aprendizaje automático.

Eliminación de filas con 'missing values' para limpiar los datos.

Se presenta la página web de Javier para cursos de programación y soporte.

Elección de variables numéricas como características para predecir el precio de las casas.

Selección del 'Decision Tree Regressor' como modelo de Machine Learning.

Entrenamiento del modelo con características de las casas y su respectivo precio.

Uso del método 'predict' para estimar el precio de las primeras cinco casas.

Análisis de la precisión del modelo, que alcanza un 100% en las primeras predicciones.

Introducción del MAE (Mean Absolute Error) como métrica para medir el error en las predicciones.

Se destaca el riesgo del 'overfitting' cuando el modelo se ajusta demasiado bien a los datos de entrenamiento.

Se realiza una división en conjuntos de entrenamiento y validación para evitar el overfitting.

Se evalúa el modelo con el conjunto de validación y se obtiene un error más realista.

Ajuste de parámetros en el 'Decision Tree Regressor' para mejorar el modelo y evitar el overfitting.

Comparación del rendimiento del 'Decision Tree Regressor' con el de un 'Random Forest'.

El 'Random Forest' ofrece un mejor MAE sin ajustar parámetros, sugiriendo su potencial superior.

Se concluye el tutorial habiendo creado y ajustado dos modelos de Machine Learning.

Transcripts

Hola Qué tal en este vídeo quiero

enseñaros paso a paso cómo crear vuestro

primer modelo de Machine learning vamos

a verlo juntos soy Javier Data Science

matemático y científico de datos Y en el

canal te enseño todo lo relacionado con

los datos enfocándome en el Data Science

así que bueno sin más vamos a empezar

con lo que tenemos aquí preparado vale

que es lo siguiente Yo tengo un set de

datos vale que es Mel Data csv que esto

es los datos de Melbourne de unas casas

aquí os enseño el csv que voy a usar

vale en la primera fila tengo las

columnas del csv del dataframe vale Y

luego ya tengo todos los datos separados

por coma vale como vemos aquí arriba muy

importante así que bueno yo ahora me voy

a ir a mi Notebook vale donde voy a

hacer el análisis y lo primero es

importar pandas vale pandas sirve para

leer los csvs y que se me pongan en este

formato que vemos aquí abajo y que ahora

voy a explicar Así que lo primero lo voy

a importar import pandas aspd Por qué

aspd Porque bueno cada vez que yo quiero

usar una función de pandas tengo que

invocar pandas tengo que poner pandas

punto tal pero la convención es que todo

el mundo ponga pd porque se entiende que

es pandas Y es más rápido de escribir

vale una vez importado pandas vamos a

explorar los datos Aquí voy a usar la

función read csv Vale entonces yo aquí

tengo que poner la ruta al csv que yo

quiero leer en este caso está en la

misma carpeta Así que solamente tengo

que poner esto de aquí y bueno por

suerte se me Lee bien vale Por qué digo

por suerte porque hay veces que el csv

está separado por punto y coma o que en

vez de estar en utf8 que es el lenguaje

normal puede tener lenguaje con tildes

en ruso Vale entonces eso no te lo va a

leer bien y esos son los casos más

sencillos luego hay otros en los que

esto se te puede ir de madre y tiene

unas cosas muy raras Pero bueno de

momento nos ha salido bien en el caso de

que te encuentres con estos problemas tú

puedes irte a la documentación de pandas

y miras aquí todos los parámetros que

puedes usar para poner el csv bien así

que bueno ya lo tengo aquí leído y vamos

a ver un poquito cosas que tiene tiene

suburb address rooms vale price Esta es

la variable que queremos predecir vale Y

luego muchas otras Okay arriba Bueno veo

un poco cada columna no Pero y si quiero

ver cómo son todas en general pues yo

voy a hacer un describe y describe lo

que me hace es que va a irme columna por

columna diciéndome lo que tiene

importante solo columnas numéricas Por

qué Porque me va a realizar algunas

operaciones estadísticas Y claro no

puedo hacer la media de una variable que

sea suburbio No aquí no hay una media

verdad Así que solamente las variables

numéricas qué me llevo de aquí pues

bueno vemos que estas de aquí parece que

tienen todas las filas sin missing vales

pero sí que estas dos vemos que hay

missing values Qué son missing values

missing values son datos en los que no

aparece la información por ejemplo aquí

vale mira Nan not a number entonces aquí

no es que sea yarra no es que sea 120 No

es que no lo sabemos ni siquiera es un

cero es que no sabemos Cuánto es un dato

se puede decir como erróneo vale estos

datos nos van a poner muchos problemas a

la hora de hacer problema de Machine

learning Así que vamos a ver cómo

solucionarlo antes de continuar quiero

decir que tengo una página web en la que

vendo cursos de programación en el que

tengo vídeos con teoría y ejercicios

resueltos Lo importante es que también

tienes mi soporte vas a poder escribirme

siempre que quieras Así que ya sabes si

quieres aprender a programar Vete a

javid datascience.com y mira mi curso en

este proyecto de aquí solamente quiero

que hagas tu primer modelo de Machine

learning Así que no voy a meterme en

cosas más avanzadas para filtrar o

imputar esos missing values Así que yo

lo que voy a hacer es Oye cualquier fila

que tenga un missing value voy a

quitarlo vale Cómo se hace pues melborne

dataframe Drop na axis ig a 0 esto lo

que hace es que bueno el axis igual a

cer va a buscando por filas Entonces

cuando encuentra una fila que tenga un

missing valum la quita entera Así que yo

ejecuto esto y bueno importante he

pasado de 13000 filas 13500 vale

a 6000 filas O sea me he quitado más de

la mitad porque en más de la mitad hab

algún missing value una vez que ya

tenemos los datos limpios Vamos a

continuar con el modelo de Machine

learning como Este modelo va a ser muy

sencillo ya si tú quieres te dejo como

ejercicio que profundices todo lo que tú

quieras aquí simplemente voy a poner Oye

que la variable I que es la variable

predecir va a ser price y luego las x

son rooms bathroom Land size latitude y

longitud por qué porque estas son

variables numéricas vale las categóricas

también me van a dar problemas en

general y son variables que yo creo que

van a funcionar por ejemplo rooms el

número de habitaciones es muy importante

el número de baños también el tamaño y

bueno también he metido la latitud y

longitud a ver si me sirve quiero que

quede claro que I es la variable a

predecir y las x son las características

las features que me van a servir para

predecir esta I Así que las x son los

predictores y la i es la variable a

predecir cargo esto de aquí luego Aquí

voy a entrenar el modelo de Machine

learning yo he decidido elegir un

decision tre regressor Qué es eso pues a

ver decision regressor la última parte

es de regresión o clasificación si yo

quisiera clasificar si mañana llueve o

no pues necesitaría un decision 3

classifier pero como voy a predecir una

variable numérica Necesito un regressor

vale Y luego decision 3 es un modelo muy

sencillo vale que simplemente va a ir

mirando características características

y va a ir dividiendo vale por ejemplo

tiene más de dos baños vale también

tiene más de X habitaciones pues

entonces tú ya has entrenado el modelo

con otras casas similares y ya sabes que

si una casa tiene más de dos

habitaciones más de dos baños y está por

esta zona pues va a valer tal si no va a

valer tal Y así con cada casuística

podemos hacerlo todo lo complejo que

queramos el árbol ir haciendo todas las

divisiones que queramos vale Así que

simplemente para entrenar el modelo de

Machine learning es primero elegir uno

yo he elegido este de aquí también

puedes elegir una región logística o una

red neur vale lo que tú quieras y

entonces cargas el modelo vacío es decir

Mel burner model es decision trior aquí

está vacío y luego lo entrenas como le

pasas las características todas y las I

es decir yo te paso estas

características de una casa y vale lo

siguiente y así tú le vas a dar pues las

6,000 Vale pues entonces este árbol se

va a ir entrenando y ya va a saber

clasificar cuando tú mañana le des un

piso con x características te va a dar

un precio y así que vamos a entrenar

modelo hacemos esto y vemos que tarda un

poquito vale está cargando porque el

árbol se tiene que entrenar y una vez

que está cargado vamos a hacer lo

siguiente vamos a mirar las predicciones

para las cinco primeras casas Vale

entonces hacemos x. Head para ver las

primeras con sus características luego

quiero ver el precio real lo tenemos

debajo y luego importante vamos a ver

las predicciones cómo se miran las

predicciones Pues el modelo Tiene un

método que es predict predict sirve para

que tú le pases unas casas unas

características sin el precio y el te

diga cuánto creen que vale Por qué

Porque él ya sabe ya está entrenado con

casas similares así que ya ha aprendido

entonces tú si le pasas una casa nueva

te va a decir cuánto vale según lo que

ha aprendido así que ejecuto esto de

aquí y vamos a ver Estas son las cinco

primeras pasamos un poco vale Este es el

precio real y aquí vemos las

predicciones el primero lo ha hecho bien

el segundo bien el tercero bien Mira

estos cinco primeros los ha clavado ha

dado la estimación exacta Así que yo

Acabo de crear un modelo Que de momento

está a acertando el 100% pero claro

hemos cogido cinco recordamos que

tenemos 6000 casas vamos a verlo en

total a ver cuánto error está cometiendo

para eso introduzco el término del mae

Qué es el mae el mae es una métrica que

sirve para ver el error absoluto que

estamos cometiendo significa mean

absolute error y quiere decir Oye

calcúlame el error que estás cometiendo

en cada casa Por ejemplo si una casa

vale un millón yo digo que vale 950 está

cometiendo 50.000 de error verdad pues

Enton entonces en esa casa tenemos 50

pasamos a la siguiente casa y resulta

que en vez de un millón dice que es 1,00

pues acaba de cometer 500 de error si te

das cuenta una una es el error por

encima y otro es por debajo a efectos

prácticos nos da igual porque por eso es

el min absolute error el error absoluto

no da igual que sea un error negativo o

positivo porque yo al final voy a sumar

todos los errores positivos también los

negativos los paso a positivos Así que

vamos a ver el ma que estoy cometiendo

el error que he cometido en todas las

casas Lo sumo y hago la media vale Aquí

vamos a importar el mean absolute error

de esal Matrix Vale y nada simplemente

venga vamos a predecir predicted Home

prices es todos los precios que estamos

haciendo en predicted vale con predict Y

entonces voy a hacer el me absolute

error de I Es decir de los valores

reales con los valores que estamos

prediciendo así que si lo ejecuto me

dice que tenemos un error del

1115 o sea estamos hablando de casas que

valen a ver 1 mill 2 millones y solo se

está equivocando en 1000 o sea este

modelo podemos decir que es casi

perfecto No si tú vas a la calle y

preguntas a cualquiera cuánto vale esa

casa va a costar que acierte pero es que

este modelo lo está prediciendo a la

perfección solamente 1000 para arriba

1000 para abajo cuando estamos hablando

de 2 millones que puede valer una casa

aquí Bueno debería saber que estoy

haciendo un poco de trampa porque si

esto fuera tan bueno como parece yo no

estaría aquí yo estaría ya en la bolsa

invirtiendo Bueno ya lo habría hecho no

Qué pasa aquí hay un problema que es que

al modelo ya le hemos entrenado con las

casas que está prediciendo es decir yo

aprendo con unas cuantas personas no

entonces Yo tengo un amigo Bernie que es

alto Muy bien pues entonces el modelo

aprende que cuando una persona se llame

Bernie va a ser alta Qué pasa si lo

sacas a la calle y coges a otro Bernie a

lo mejor no es alto pero si yo otra vez

le muestro al Bernie con el que yo le he

entrenado va a decir que es alto y va a

acertar pero eso es hacer trampa tú

tienes que predecir lo que no has visto

Así que vamos a darle una vuelta de

tuerca para ver Cuál es el error que

está cometiendo cómo hacemos eso pues

hay una técnica muy importante en

Machine learning que es tú tienes un

número de casas por ejemplo bueno 6,000

Pues tú vas a dividir 5000 5000 son

tuyas para entrenar al modelo y te vas a

guardar 1000 para ver lo bien que lo

está haciendo tu modelo porque si no

volvemos a lo de siempre está haciendo

trampas si ya ha visto esa casa y te

digo cuánto vale si es que ya la ha

visto es muy difícil que falle pero si

no la he visto ahí donde de verdad veo

cómo lo está haciendo Cómo se hace eso

pues es muy sencillo vamos a train

test split vale que esto lo que hace es

que tú vas a darle una x y una I y te lo

vas a dividir en unas x para entrenar la

i esas i o sea los precios de esas casas

vale para entrenar y lo mismo con un set

de validación la validación la dejamos

aparte no la vemos y no hacemos nada con

ella vale Así que lo que vamos a hacer

es Oye vamos a crear otro modelo vamos a

entrenarlo solamente con el train vale Y

luego vamos a ver las predicciones de

validación es decir yo me entreno con

xtrain y ya con ese modelo me voy a las

XD de validación y calculo su precio y

ahora que tengo su precio calculado voy

a comprarlo con su precio de verdad a

verlo bien que lo estamos haciendo Así

que ejecuto esto y ahora sí que me está

diciendo una cosa que tiene más sentido

se está equivocando ya por

257,000 vale antes se confundía por 1000

eso no es nada pero por 257 ya sí que

hay un error más grande vale ya vemos

que este modelo no era tan bueno como

parecía y este concepto que yo te acabo

de enseñar es el overfitting vale es

decir se ha aprendido muy bien sus datos

Y entonces va a aplicar lo que sabe a

todo lo que vea Pero eso puede llevarnos

a errores como el ejemplo que he dicho

de tu amigo que se llama Bernie que es

alto que ahora todos los bernis son

altos no tiene por qué cómo se puede

solucionar esto Pues el modelo de

decision 3 tiene muchos parámetros

algunos sirven para prevenir esto para

prevenir el overfitting o el

underfitting que sería un poco lo

contrario Pero bueno vamos a quedarnos

solamente con el overfitting Así que lo

que podemos hacer es jugar un poco con

los parámetros de de decision 3

classifier y en vez de jugar con una

hoja porque esto ya es más técnico Pero

tú puedes hacer una división o cuatro o

20 Pues vamos a ver Cuántas hojas Me da

el mejor resultado porque el número de

hojas está muy relacionado con el

término de overfitting vale a más hojas

más overfitting o menos depende también

de tus datos vale Pero bueno vamos a ver

estas hojas Cómo funcionan simplemente

vamos a crear una función en la que el

modelo es el decision 3 regressor pero

vamos a cambiarle el Max lift notes vale

vamos a entrenar el modelo vamos a

predecir los valores de variación de x y

vamos a devolver el mae Vale entonces

esta función que está haciendo aquí

simplemente me va a servir para yo

probar diferente número de hojas para el

árbol y ver cuándo consigo el mejor

resultado Así que nada yo ejecuto esto

de aquí y ahora quiero hacer la prueba

con for Max lft notes in 550 505000 es

decir voy a en estos ejemplos vale

con cinco hojas 50 etcétera A ver cuándo

consigo un mejor mae Así que yo lo

ejecuto por la función que he ejecutado

antes no y me sale que con cinco hojas

tengo

375,000 de error vale que es más de lo

que he hecho antes luego con 50 266 un

poquito peor Pero sí que con 500 consigo

mejorarlo sabemos que con 500 hojas Voy

a conseguir un mejor mae que con lo que

he hecho antes que es como por defecto

que no sabemos Cuál es que si te metes

en la documentación vas a ver cuánto es

no pero tú Aquí sabes que con 500 lo

mejoras luego vemos que con 5000 otra

vez Parece que ya empieza emp a

fastidiarse vale ya empieza a subir Así

que nos vamos a quedar solamente con 500

así que ya has visto hasta aquí hemos

probado maxli noes pero sí que tiene

muchos otros parámetros vale que tú lo

puedes ver en la documentación ir

cambiando y esperar a ver dónde

conseguimos el mejor resultado Y por

último La pregunta es hasta aquí ya no

podemos conseguir algo mejor pues Oye y

si probamos otro modelo así rápidamente

Y si en vez de un decision 3 usamos un

Random Forest vale Esto bueno habría que

meterse ya a explicar lo que es un

Random Forest pero vamos a solamente a

usarlo y a ver qué nos sale pues yo

ejecuto esto de aquí con importo Random

Forest y hago lo mismo que he hecho

antes pongo el modelo lo entreno y

hacemos la predicción y me sale que de

mae está haciendo 195 o sea un Random

Forest sin cambiar los parámetros ya me

está dando un mejor mae que lo de antes

así que ya sabemos que en este caso

parece que Random Forest lo va a hacer

mejor que el decision 3 classifier

regressor perdón y esto es solo el

comienzo hasta aquí ya hemos creado no

Uno sino dos modelos de Machine learning

en el que hemos ajustado los parámetros

y hemos sacado el mejor mae posible y

hasta aquí vamos a dejarlo así que bueno

si te ha gustado Espero que dejes un

like un comentario y que te suscribas

que a mí me ha ayudado un montón Eso es

todo por hoy nos vemos en el siguiente

vídeo un saludo