Cuando entrenamos un modelo de Machine Learning, normalmente existen diferentes valores que podemos modificar para controlar su comportamiento. Por ejemplo, podemos decidir la complejidad de los árboles de un Gradient Boosting, la velocidad con la que aprende el modelo o el número mínimo de observaciones que debe contener cada hoja. A estos valores los llamamos […]
Etiqueta: Aprendizaje supervisado
Persistencia de modelos en Python: cómo guardar tu modelo entrenado de Machine Learning
Entrenar un modelo de Machine Learning es un proceso muchas veces lento, por lo que no tiene sentido volver a entrenar el modelo cada vez que lo necesitemos en el futuro. Por suerte, una herramienta de SciKit Learn nos permite guardar nuestro modelo ya entrenado para utilizarlo cuando lo necesitemos. Vamos allá: 1. Guardar el […]
Cómo dividir un conjunto de datos en dos partes (train/test split) en Python
Una operación que es común en todos los modelos de aprendizaje supervisado es la división de nuestro conjunto de datos en -al menos- dos partes: una parte Train, de entrenamiento, que corresponderá a la mayor parte de nuestro dataset y que usaremos para entrenar nuestro modelo y un parte Test, de menor tamaño, sobre la […]