Programando Machine Learning En Python

El aprendizaje supervisado describe un escenario en el que la experiencia, se convierte en un factor de capacitaci鏮, la cual contiene informaci鏮 importante (las etiquetas de enferma/sana para la detecci鏮 de enfermedades en las plantas, que falta en los "ejemplos de prueba" invisibles a los que se aplicar?la experticia aprendida. En este escenario, la experticia adquirida tiene como objetivo predecir esa informaci鏮 faltante para los datos de prueba. En tal sentido, se puede pensar en el entorno como un maestro que supervisa al alumno brind嫕dole informaci鏮 adicional que vienen a ser las etiquetas. En este libro abordaremos modelos de aprendizaje autom嫢ico supervisado, mediante el cual comprender?los fundamentos te鏎icos, algunas descripciones de campos de aplicaci鏮 y posteriormente implementar嫕 cada uno de ellos en Jupyter lab con pandas y librer燰s de scikit-learn para Python. Inicialmente se empezar?Regresi鏮 log疄tica (clasificaci鏮 binaria), Clasificaci鏮 multiclase mediante regresi鏮 log疄tica, 臆boles de decisi鏮, Suport Vector Machine - SVM (M嫭uinas de soporte vectorial), Bosque Aleatorio (Random Forest), Validaci鏮 cruzada K-Fold y finalmente Naive Bayes.