XGBoost: Regresión paso a paso con Python |Análisis de datos | Aprendizaje supervisado |Real estate

Описание: Quieres aprender las etapas del machine learning paso a paso con XGB??

En este maravilloso episodio, cubriremos un análisis completo paso a paso del aprendizaje automático para la regresión a través del regresor de gradiente extremo XGBoost usando el Real estate valuation con python JUPYTER NOTEBOOK. Haciendo uso de Pandas para la manipulación de datos, matplotlib para la creación de gráficos, sklearn para llamar a funciones de rendimiento y XGBoost para el regresor y creacion del modelo.

XGB regresion y feature engineering Video 2:    • XGBoost y feature engineering: Regresión c...  

Los datos: dónde y cuál es el conjunto de datos
¿Análisis exploratorio? ¿Visualización?
Selección de variables: elegir las variables a utilizar
Imputar y valores perdidos
Codificación de variables: variables ficticias, características categóricas y nominales
Eliminar variables ( innecesarias ?)
Dividir conjunto en entrenamiento y testing
Árboles de decisión y potenciación, como funciona el extreme gradient boosting?
Hiperparámetros y parámetros: tasa de aprendizaje, profundidad máxima, gpu_id,
número de estimadores
Construyendo y ajustando el modelo
Interpretación de la importancia de la variable
Predicción de nuevos valores
Medición del desempeño usando coeficiente de determinacion R2 y el mean squared error o error cuadratico medio MSE
Sobreajuste (overfitting), desajuste y bajo ajuste del modelo, como saberlo?
¿Cómo mejorar el rendimiento? ¿Ingeniería de variables?

Feature Engineering en Video No.2:    • XGBoost y feature engineering: Regresión c...  
Tratamiento de los valores extremos (outliers)
Creacion o mejora de variables mediante Date y time
Selección y eliminacion de variables: elegir las variables a utilizar

Video #3
Seleccion de variables con regresion y Recursive Feature elimination:    • XGBoost y seleccion de variables: Regresió...  

#4 Ajuste de hiperparametros:    • Regresion XGBoost Ajuste de hiperparametro...  
Explicando los hiperparametros del XGB
learning rate, max_depth, gamma, Regularization, alpha, child_weight,
number of estimators
Aplicando Grid Search con gridSearchCV
Ejecucion del mejor modelo segun parametros

Datos: https://archive.ics.uci.edu/ml/datase...

My code??? find it here: https://github.com/raulvalerio/superv...

XGB: Clasificacion paso a paso en Python:    • XGBoost: Clasificacion paso a paso con Pyt...  
XGBoost y Clasificacion Multi Clases Python | Aprendizaje supervisado | Analisis Datos Calidad Vino:    • XGBoost y Clasificacion Multi Clases Pytho...  

Machine learning en Python #Python #Regresion #XGBoost #Sklearn

   • Python | Regresion lineal multiple y compr...  

Machine learning en R

   • Machine Learning  

Cualquier comentario o sugerencia es bienvenido.

Contacto: [email protected]

My youtube channel in English:

   / @rvstats_eng  


Algoritmo de Clustering HDBSCAN, Kmeans con R
   • Algoritmos de Clustering en R/Rstudio | Cl...  

Algoritmos de clustering jerarquicos en R
   • Hierarchical Clustering | Agrupamiento jer...  

Algoritmos de clustering jerarquicos en python
   • V-1: Clustering jerarquico con Python: skl...  

Algoritmo HDBSCAN:    • V1: Que es clustering con HDBSCAN | Python...  

Algoritmo de K-means:

Que es Kmeans y centroides:    • V3: Numero Adecuado de Clusters K-Means | ...  

Normalizacion y numero adecuado de clusters:    • V2: Clustering con K-means | Python y mine...  

Metodo Elbow, Distorsion e Inercia:    • V1: Clustering con K-means | Python y mine...  

Aprendizaje automático
Aprendizaje supervisado y no supervisado
análisis estadístico
Factores
Independiente y dependiente
entrada y salida
Machine learning and supervised learning
overfitting, hyperparameter, classifier, classification, matrix
input and output, statistical analysis