Práctica universitariaMachine Learning — LaboratoriosProyecto en grupo

Laboratorios de Machine Learning

Del feature engineering transaccional a regresión, clasificación, clustering, reglas de asociación y redes

Problema

Ejercicios guiados del curso.

Datos

Transacciones y clientes de tarjeta, advertising, crédito, cáncer de mama, Social Network Ads, 50 Startups, Air Passengers, groceries, precios de casas.

Métodos

Tabla base cliente-mes y variables mensuales (Lab 2)
Regresión logística, árbol de decisión, Naive Bayes, KNN (Lab 2.1–2.4)
Regresión lineal, ARIMA/SARIMAX, Random Forest con oversampling (Lab 3.1–3.3)
K-Means, PCA, Apriori (Lab 4.1–4.3)
Red neuronal para precios de casas (Lab 5.1)

Herramientas

Pythonpandasscikit-learnstatsmodelsmlxtendapyoriKerasDatabricks

Trabajo universitario; no se afirma autoría individual exclusiva.