Publications by Jesús Turpín
Sistemas de Aprendizaje Automático - Práctica S6
1. Atributos del objeto devuelto por lm(). Métricas del modelo Partimos del modelo mdl_price_vs_nconv con la fórmula price_twd_msq ~ n_convenience del dataset taiwan_real_estate Para los siguientes ejercicios, busca la función apropiada para resolverlos en una sola línea y sin más operadores que la función y el modelo como parámetro. Puede...
8545 sym R (1177 sym/10 pcs) 2 img
Sistemas de Aprendizaje Automático - Práctica s6 Resuelta (Hasta punto 4)
1. Atributos del objeto devuelto por lm(). Métricas del modelo Partimos del modelo mdl_price_vs_nconv con la fórmula price_twd_msq ~ n_convenience del dataset taiwan_real_estate taiwan_real_estate <- read_fst("data/taiwan_real_estate.fst") mdl_price_vs_nconv <- lm(price_twd_msq ~ n_convenience, data=taiwan_real_estate) Para los siguientes ejer...
5160 sym R (11443 sym/72 pcs) 6 img
Programación de Inteligencia Artificial - Práctica 16 APIs, JSON, XML y rvest
1. API y JSON Se recomienda realizar todo el proceso con el registro en rapid-api y suscripción a la api del ejemplo. Realizamos una petición http GET contra la api https://movie-database-imdb-alternative.p.rapidapi.com/ 1.1 Completa el siguiente código siguiendo los pasos: #Cargamos las librerías para comunicaciones HTTP y manipular json li...
3200 sym R (4981 sym/22 pcs)
Sistemas de Aprendizaje Automático - Regresión múltiple en R
1. Rectas paralelas Vamos a crear un modelo que combina dos variables explicativas, una numérica y otra categórica. Seguimos con el ejemplo del dataset Fish. ## # A tibble: 6 x 3 ## species length_cm mass_g ## <chr> <dbl> <dbl> ## 1 Perch 16.2 100 ## 2 Pike 56 1550 ## 3 Bream 35 920 ## 4 Bream ...
7898 sym R (21236 sym/89 pcs) 26 img
Sistemas de Aprendizaje Automático - Predicting Heart Disease: Logistic Regression
Carga y limpieza de los datos library(tidyverse) library(corrplot) library(visdat) library(caret) library(vtreat) library(pROC) Comprobamos si los datos contienen huecos: vis_miss(heart_data) Como se puede comprobar, no viene limpio. Vamos a simplificar el análisis, eliminando todos los datos que tienen valores na, una vez analizados los d...
672 sym R (15247 sym/70 pcs) 10 img
Sistemas de Aprendizaje Automático - Churn Modeling: Clasificación
Carga y limpieza de los datos library(tidyverse) library(corrplot) library(yardstick) library(visdat) library(pROC) library(caret) library(vtreat) churn_all <- read_csv("data/Churn_Modelling.csv", show_col_types = FALSE) Comprobamos si los datos contienen huecos: vis_miss(churn_all) Como se puede comprobar, no es necesario rellenar huecos,...
6430 sym R (25136 sym/199 pcs) 23 img
Examen Regresión Logistica
Instrucciones previas. Trabaja sobre el subdirectorio examen_saa_reglog del directorio de trabajo habitual de tu PC. A las 20:30 pararemos para validar el .Rmd y enviar los ficheros por email, con el formato nombre_apellido1_apellido2.zip y enviar un email adjuntando el enlace para su descarga. No adjuntar el html. Se facilitará una plantilla p...
5699 sym R (2859 sym/23 pcs)
Sistemas de Aprendizaje Automático - Práctica S6 resuelta
1. Atributos del objeto devuelto por lm(). Métricas del modelo Partimos del modelo mdl_price_vs_nconv con la fórmula price_twd_msq ~ n_convenience del dataset taiwan_real_estate taiwan_real_estate <- read_fst("data/taiwan_real_estate.fst") mdl_price_vs_nconv <- lm(price_twd_msq ~ n_convenience, data=taiwan_real_estate) Para los siguientes ejer...
9094 sym R (24988 sym/139 pcs) 13 img
Sistemas de Aprendizaje Automático - Práctica S7
1. Rectas paralelas 1.1 Usando el dataset taiwan_real_estate, genera 3 modelos de regresión lineal para realizar predicciones sobre el precio en función de: Modelo 1: Variable categórica house_age_years Modelo 2: Variable numérica n_convenience Modelo 3: Las dos anteriores sin interacciones Compara las métricas R cuadrado y RSE en los tres...
3121 sym R (2271 sym/8 pcs)
Sistemas de Aprendizaje Automático - Práctica S7 Resuelta
library(moderndive) library(broom) library(tidyverse) library(fst) taiwan_real_estate <- read_fst("data/taiwan_real_estate.fst") 1. Rectas paralelas 1.1 Usando el dataset taiwan_real_estate, genera 3 modelos de regresión lineal para realizar predicciones sobre el precio en función de: Modelo 1: Variable categórica house_age_years mdl_hou...
3208 sym R (13471 sym/80 pcs) 8 img