Puesta en práctica: aprendizaje supervisado Aprendizaje supervisado

Vamos a realizar un pequeño ciclo de construcción de una predicción con el fin de poner en práctica los conceptos vistos anteriormente. En primer lugar, nos vamos a equipar con un conjunto de observaciones. Este conjunto incluirá 10 000 observaciones, dos features de entrada y una para predecir. Buscaremos el modelo f, siendo y la feature objetivo y X (x1, x2), la entrada. El conjunto de observaciones Z = (X, y) se diluye en un conjunto de entrenamiento Ze de 6 000 líneas y un conjunto de validación Zv de 4 000 líneas.

Entrenaremos el modelo en el conjunto de entrenamiento Ze, buscando estimar el modelo f, lo que nos dará una función «estimación de f» como images/eq472.PNG.
Seguidamente, aplicaremos images/eq396.PNG sobre el conjunto de validación Xv y obtendremos un vector de predicciones images/eq473.PNG que compararemos con el vector Yv de los valores reales, resultantes del conjunto de validación.

Para hacer esto, vamos a crear un conjunto «ficticio» Z donde hemos impuesto, y después perturbado aleatoriamente, el hecho de que y está ubicado, más o menos, en el plano 2. x1 - 7. x2 + 1.

Nuestra esperanza es constatar que los algoritmos utilizados encuentran la ecuación de este plano, con un error de amplitud bajo.

1. Preparación

El código para crear el conjunto de observación ficticia es el siguiente (sin interés específico): 

# un dataset fáctico...
Si desea saber más, le proponemos el siguiente libro:
couv_EPT3DASR.png
60-signet.svg
Versión impresa
20-ecran_lettre.svg
Versión online
41-logo_abonnement.svg
En ilimitado con la suscripción ENI
130-boutique.svg
En la tienda oficial de ENI
Anterior
Estimaciones
Siguiente
Construir su caja de herramientas