Separar el conjunto de datos en entrenamiento y prueba usando train_test_split .
Normalizar variables numéricas (como StandardScaler ) para que algoritmos como KNN o SVM funcionen correctamente.
Para cualquier aspirante a científico de datos, entender el rol de cada una de estas bibliotecas de Python es fundamental: aprende machine learning con scikitlearn keras y tensorflow
Aprende Machine Learning con Scikit-Learn, Keras y TensorFlow refers to the Spanish edition of the best-selling book by Aurélien Géron
Alta (es fácil saber por qué el modelo tomó una decisión). Baja (funciona más como una "caja negra"). Consejos Prácticos para Triunfar en tu Aprendizaje Separar el conjunto de datos en entrenamiento y
Importa y prepara un dataset de precios de viviendas. Divide los datos en conjuntos de entrenamiento y prueba, y escala las características para un mejor rendimiento:
Antes de sumergirnos en las herramientas, es importante entender qué es el machine learning y por qué estas tres bibliotecas son las elegidas por la comunidad. Baja (funciona más como una "caja negra")
Escalabilidad, despliegue en dispositivos móviles y computación distribuida.