Regresion XGBoost Ajuste de hiperparametros GridSearchCV | Análisis de datos Aprendizaje supervisado

Описание: Como el ajuste de hiperparametros o hyperparameter tunning mejora el desempeño de nuestros modelos?
Quieres aprender las etapas del machine learning paso a paso con XGB??

En estos maravillosos episodios, 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.

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
Comparativa de los diferentes modelos anteriores
segun MSE y R^2
Realmente sirve el tunning?

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

Video No.1:    • XGBoost: Regresión paso a paso con Python ...  

​- Los datos: dónde y cuál es el conjunto de datos
​- ¿Análisis exploratorio? ¿Visualización?
​- Selección y Codificación de variables
​- Dividir conjunto en entrenamiento y testing
​- Árboles de decisión y potenciación, como funciona el extreme gradient boosting?
​- Construyendo y ajustando el modelo
​- Interpretación de la importancia de la variable
​- R2 y el error cuadratico medio MSE
​- Sobreajuste (overfitting) o bajo ajuste

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
Hiperparámetros y parámetros: tasa de aprendizaje, profundidad máxima, gpu_id, ​número de estimadores
​- 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?

Episodio 3:    • XGBoost y seleccion de variables: Regresió...  
Seleccion de variables mediante:
Regresion lineal multiple: variables significativas
Correlacion entre variables: evitar multicolinearidad
Recursive Feature Elimination RFECV: recursividad y eliminacion
Que es cross validation?? Como funciona la validacion cruzada
Desempeno de modelo XGB con menos variables (Parsimonia)

Cualquier comentario o sugerencia es bienvenido.

Contacto: [email protected]

My youtube channel in English:

   / @rvstats_eng  

Machine learning en Python

   • Python | Regresion lineal multiple y compr...  

Machine learning en R

   • Machine Learning  

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...  

Data science and statistical analysis
Machine learning videos
   • Machine Learning  

Instalando bibliotecas y modulos en Python:    • 0.2 Instalación de numpy y pandas con pip ...  

Secuencias y objeto range en Python:    • 1.2 Range y secuencias en Python | Curso t...  

Estadistica basica con Python:    • Python | BoxPlot y estadisticas basicas | ...  

Manipulacion de listas en Python:    • 1.3 Manipulacion de listas en Python | Cur...  

Curso tutorial de Python
   • Curso Tutorial Python  

Curso analisis estadistico y ciencia de datos con R /Rstudio:
   • Curso Tutorial R | Rstudio  

Machine learning en Python

   • Python | Regresion lineal multiple y compr...  

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

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

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

Aprender python desde cero para principiantes
beginner Aprendizaje
Factor, vector, list, jupyter, notebook
input and output, statistical analysis
data mining mineria de datos

Estadistica descriptiva Analisis de datos
Graficas curso estadistica cero

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