Considerar la utilidad de los proyectos de machine learning dentro de la toma de decisiones, así como la estrategia de selección del más adecuado.
A través de esta experiencia educativa, el aprendedor podrá diseñar proyectos de machine learning para una toma de decisiones efectiva. Así mismo, conocerá las estrategias que pueden seguirse para seleccionar la más adecuada para determinada situación.
Haz clic para revisar la explicación.
Diseño del proyecto de Machine learning y estrategia de selección de modelos
Los siguientes enlaces son externos a la Universidad Tecmilenio, al acceder a ellos considera que debes apegarte a sus términos y condiciones.
Para conocer más sobre diseño del proyecto de machine learning y estrategia de selección de modelos, revisa el siguiente video:
KIE. (2021, 7 de junio). Shapley Additive Explanations (SHAP) [Archivo de video]. Recuperado de https://www.youtube.com/watch?v=VB9uV-x0gtg
Para conocer más sobre diseño del proyecto de machine learning y estrategia de selección de modelos, te recomendamos leer:
Analizar la importancia de la construcción de modelos de predicción en las finanzas.
Los siguientes enlaces son externos a la Universidad Tecmilenio, al acceder a ellos considera que debes apegarte a sus términos y condiciones.
Para la resolución de este problema es necesario utilizar el conjunto de datos disponible en este repositorio en la nube (https://gist.github.com/RHDZMOTA/f6c5b6429fc0b51fda2deae2218d04b8/)
Realiza lo siguiente:
La descarga de la información se puede hacer programáticamente con Python:
import json
import pandas as pd
import request
url _base = (
“https://gist.github.com/RHDZMOTA/”
“f6c5b6429fc0b51fda2deae2218d04b8/raw/”
“b4fla7a75396e2dfcaeef1506f7418a061e5531/”
“company – bankruptcy – records. Json”
)
dataset = pd.Dataframe([json.loads (row) for row in requests.get (url).text.splitlines()])
print(dataset.shape)
dataset
(1000,96)