search for: winter2016

...está muy bien también. > > Si te da miedito, hay otro más suave, de los clásicos Hastie y Tibshirani: > > <https://lagunita.stanford.edu/courses/HumanitiesSciences/ > StatLearning/Winte > r2016/about > <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/about> > > > https://lagunita.stanford.edu/courses/HumanitiesSciences/ > StatLearning/Winter > 2016/about > <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/about> > > > > < > <https://lagunita.stanford.edu/courses/Hum...

...gt; >> Si te da miedito, hay otro más suave, de los clásicos Hastie y Tibshirani: >> >> <https://lagunita.stanford.edu/courses/HumanitiesSciences/St >> atLearning/Winte >> r2016/about >> <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/about> >> > >> https://lagunita.stanford.edu/courses/HumanitiesSciences/Sta >> tLearning/Winter >> 2016/about >> <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/about> >> >> >> >> < >> <h...

...knowing." Tiene un libro asociado que está muy bien también. Si te da miedito, hay otro más suave, de los clásicos Hastie y Tibshirani: <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winte <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/about> r2016/about> https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/about> 2016/about < <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winte...

No, llega un momento en el que más árboles no te supone mejoría, e incluso funciona peor. Que funcione peor lo atribuyo al ruido, porque en teoría no tiene mucho sentido, la verdad... Pero no he probado a coger más árboles de los "necesarios". Lo probaré… Un saludo De: Jesús Para Fernández [mailto:j.para.fernandez en hotmail.com] Enviado el: viernes, 02 de junio de 2017 14:54

Hola, Me he iniciado hace poco en Machine Learning, y tengo una duda sobre mis conjuntos de datos: el primero tiene 37 variables explicativas y 116 instancias, y el segundo, 140 variables explicativas y 195 instancias. El primero lo veo bien, ya que hay 3 veces más casos que variables explicativas, pero creo que el segundo caso puede suponer un problema al haber casi el mismo número de

Es que es justo ahi donde no se como hacerlo. Es decir, dentro del bucle for hago las comprobaciones train test, y me da que de media el mejor es randomForest, pero claro, no me estoy quedando con el modelo, ya que no se va guardando....Entonces es cuando no se como seguir para quedarme con ese modelo.... ________________________________ De: Isidro Hidalgo Arellano <ihidalgo en

Una vez que tienes la técnica y los parámetros óptimos resultantes de la validación cruzada, ya tienes el modelo que necesitas, NO tienes que hacer nada más. Si vuelves a modelar con todos los datos todo el trabajo de validación que has hecho lo envías a hacer gárgaras. Estarías construyendo un modelo con sobreajuste. Para quedarte tranquilo, haz la prueba, coge el modelo resultante de la

...ory, algorithms and applications. Our focus is on real understanding, not just "knowing." Tiene un libro asociado que está muy bien también. Si te da miedito, hay otro más suave, de los clásicos Hastie y Tibshirani: https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/about Statistical Learning | Stanford Lagunita<https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/about> lagunita.stanford.edu StatLearning now self paced! The active course run for Statistical Learning has ended, but the course is now available in a self paced...

...y otro más suave, de los clásicos Hastie y >>> Tibshirani: >>> >>> <https://lagunita.stanford.edu/courses/HumanitiesSciences/St >>> atLearning/Winte >>> r2016/about >>> <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/about> >>> > >>> https://lagunita.stanford.edu/courses/HumanitiesSciences/Sta >>> tLearning/Winter >>> 2016/about >>> <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/about> >>> >>> >>&...