Aprendizaje automático: regresión

Descripción

Estudio de caso: predecir los precios de la vivienda

En nuestro primer estudio de caso, al predecir los precios de la vivienda, creará modelos que predicen un valor continuo (precio) a partir de las características de entrada (pies cuadrados, número de dormitorios y baños,…). Este es solo uno de los muchos lugares donde se puede aplicar la regresión. Otras aplicaciones van desde la predicción de los resultados de salud en la medicina, los precios de las acciones en las finanzas y el uso de energía en la informática de alto rendimiento, hasta el análisis de qué reguladores son importantes para la expresión genética.

En este curso, explorará modelos de regresión lineal regularizados para la tarea de predicción y selección de características. Podrá manejar conjuntos de características muy grandes y seleccionar entre modelos de diversa complejidad. También analizará el impacto de aspectos de sus datos, como valores atípicos, en sus modelos y predicciones seleccionados. Para adaptarse a estos modelos, implementará algoritmos de optimización que escalen a grandes conjuntos de datos.

Resultados de aprendizaje: al final de este curso, podrá:
-Describir la entrada y salida de un modelo de regresión.
-Comparar y contrastar sesgo y varianza al modelar datos.
-Estimar los parámetros del modelo utilizando algoritmos de optimización.
-Ajuste de parámetros con validación cruzada.
-Analizar el rendimiento del modelo.
-Describa la noción de escasez y cómo LASSO conduce a soluciones dispersas.
-Implementar métodos para seleccionar entre modelos.
-Explotar el modelo para formar predicciones.
-Construir un modelo de regresión para predecir precios utilizando un conjunto de datos de vivienda.
-Implementar estas técnicas en Python.