Episodio

Su primer proyecto de regresión lineal en Python (parte 7 de 17) | Aprendizaje automático para principiantes

con Bea Stollnitz

Aprendizaje automático para principiantes

En este tutorial, presentado por Bea Stollnitz, promotor principal de la nube en Microsoft, le guiaremos a través de la creación de su primer proyecto de regresión lineal con Python y un conjunto de datos de toy desde scikit-learn. Este vídeo forma parte de nuestra serie Machine Learning para principiantes, donde trataremos varios temas de aprendizaje automático y su implementación mediante código de Python en cuadernos de Jupyter Notebook.

En este vídeo, aprenderá lo siguiente:

  • Cómo cargar el conjunto de datos de diabetes desde scikit-learn
  • Cómo extraer y cambiar la forma de los datos pertinentes (IMC) para nuestro modelo de regresión
  • Cómo dividir los datos en conjuntos de entrenamiento y pruebas
  • Creación y entrenamiento de un modelo de regresión lineal mediante scikit-learn
  • Cómo realizar predicciones y evaluar el rendimiento del modelo mediante matplotlib

Si no está familiarizado con cuadernos de Jupyter Notebook y entornos virtuales, asegúrese de ver el vídeo anterior, donde le guiaremos a través de la configuración de un cuaderno de Jupyter Notebook con un entorno virtual para proyectos de ciencia de datos.

Manténgase atento al siguiente vídeo de esta serie, donde profundizaremos en varios temas de aprendizaje automático y le guiaremos a través de su implementación mediante código de Python en cuadernos de Jupyter Notebook. ¿Está ahí?

Capítulos

  • 00:00 - Introducción
  • 00:21 : abra el cuaderno de Jupyter Notebook desde el repositorio ml para principiantes
  • 00:50 - Conjunto de datos de toy diabetes de SciKit-Learn
  • 01:36 : Carga del conjunto de datos de diabetes mediante el cuaderno
  • 02:30 - Cambiar la forma de matrices numpy para dar formato a los datos de diabetes
  • 02:49 : Dividir datos en conjuntos de datos de entrenamiento y prueba
  • 03:14 : Creación y entrenamiento de un modelo de regresión lineal y realización de predicciones
  • 03:35 : Uso de matplotlib para visualizar las predicciones

Conexión

Azure Machine Learning
Python