Hola Mary! Vamos a seguir trabajando con la clasificación, ya estamos pensando cómo hacerle para que quede más claro el tema ^_^ y nos da mucho gusto saber que si lo lograste! Saludos!! :D
Una consulta por favor, tengo Python 3.8 y cuando pongo al inicio >>>import pandas as pd >>>import numpy as np me vota error alguien sabe por que? Incluso en esa ventana de ayuda me sale que debe escribirse así. Recién estoy empezando en esto del uso de python. Gracias de antemano.
Hola, puedes instalar Python con Anaconda, o si lo prefieres programar en GoogleColab y no preocuparte por las instalaciones, aquí te dejamos vídeos que te pueden ser de utilidad: Anaconda-> th-cam.com/video/Ww2kfuLpqGQ/w-d-xo.html Playlist con GoogleColab (Es una maravilla!!)-> th-cam.com/play/PLgHCrivozIb1JHVHzgvuuFXsTIUvtaQJg.html
Muchas Gracias por el video esta fantástico. una pregunta como podrías hacer lo mismo que este video para predecir las ventas futuras que tendría un vídeo juego a partir de los datos de el archivo? si sale al mercado un nuevo video juego y tenemos las características iniciales, ¿podemos predecir las ventas futuras? Agradeceré tu ayuda. Un abrazo
Buen video, una consulta cuando utilize el knn use un "test_size=0.05,random_state=42" al momento de hacer el SPLIT, y utilize K=16, y cree una columna en el dataframe que se llama "prediccion" y cree otro dataframe llamado "fallidos" que son las filas que no predijo correctamente. datos['prediccion']=knn.predict(datos[['NA_Sales','JP_Sales','Global_Sales']]) datos['prediccion']=datos['prediccion'].map(pred) falidos=pd.DataFrame(datos.loc[datos['Genre']!=datos['prediccion']]) con el diccionario que creaste, me resulta una cantidad de 24 errados y eso es normal por que el SCORE=0.5 cuando lo testie, pero con el RANDOMFOREST, hice lo mismo y me votaba un SCORE=0.5, pero los fallidos era solo 1 fila o sea que los 39 restantes me los predecia, o sea el SCORE no siempre indica si va a predecir correctamente, algo asi como el R2 en regression lineal?. para el randomforest hice lo mismo datos['prediccion2']=rfc.predict(datos[['NA_Sales','JP_Sales','Global_Sales']]) datos['prediccion2']=datos['prediccion2'].map(pred) falidos2=pd.DataFrame(datos.loc[datos['Genre']!=datos['prediccion2']]). Espero tu respuesta, y de nuevo muchas gracias por el video, eres de los pocos youtubers en español que explica bien.
Hola! Puedes hacer tu pregunta (e incluir el código, si así lo deseas) en stackoverflow.com es completamente gratis, responden muy rápido y tienes la opción de preguntar en Inglés o Español, seguro te ayudarán con ese problema. También aquí te dejamos un vídeo, que te puede servir como guía, para agregar tu pregunta: th-cam.com/video/X46F2-OxxqY/w-d-xo.html
Hola!!!, me encanta este canal, estoy aprendiendo machine learning de manera auto didacta y me han ayudado muchísimo, me encantaría si es que pudieran subir vídeos sobre tensorflow. mucho Éxito!!
Hola!! Nos da mucho gusto saber que los vídeos te están siendo de utilidad ^_^ y cómo decimos en México, ya le "echamos el ojo" a Tensorflow para hacer vídeos, así que próximamente los verás en el canal, saludos y muchas gracias por tan amable comentario!!
Muchas gracias por este vídeo, gracias a lo aprendido en este vídeo y en el canal gané un primer lugar en un concurso. Me preguntaba si se podría hacer un vídeo de como graficar estos dos algoritmos? gracias!
![[LIVE] : ONE ลุมพินี 91 | คู่เอก "คมอาวุธ vs อเล็กเซย์"](http://i.ytimg.com/vi/V0RkEfYFsgM/mqdefault.jpg)
![ประสบการณ์ จ้าง Developer ที่ผมจะไม่มีวันลืม [ภาค2]](http://i.ytimg.com/vi/pZbsSDRrmXA/mqdefault.jpg)
Excelente video!
muy bueno!!!
Gracias excelente este tutorial aunque me costo un poquitin hacerlo. Pero al final si lo logre. Saludos :)
Hola Mary! Vamos a seguir trabajando con la clasificación, ya estamos pensando cómo hacerle para que quede más claro el tema ^_^ y nos da mucho gusto saber que si lo lograste! Saludos!! :D
Un excelente video, Saludos de Perú
Una consulta por favor, tengo Python 3.8 y cuando pongo al inicio >>>import pandas as pd
>>>import numpy as np me vota error alguien sabe por que? Incluso en esa ventana de ayuda me sale que debe escribirse así. Recién estoy empezando en esto del uso de python. Gracias de antemano.
Hola, puedes instalar Python con Anaconda, o si lo prefieres programar en GoogleColab y no preocuparte por las instalaciones, aquí te dejamos vídeos que te pueden ser de utilidad:
Anaconda-> th-cam.com/video/Ww2kfuLpqGQ/w-d-xo.html
Playlist con GoogleColab (Es una maravilla!!)-> th-cam.com/play/PLgHCrivozIb1JHVHzgvuuFXsTIUvtaQJg.html
Muchas Gracias por el video esta fantástico. una pregunta como podrías hacer lo mismo que este video para predecir las ventas futuras que tendría un vídeo juego a partir de los datos de el archivo? si sale al mercado un nuevo video juego y tenemos las características iniciales, ¿podemos predecir las ventas futuras? Agradeceré tu ayuda. Un abrazo
¡Muchas gracias por tan amable comentario, es muy interesante la pregunta con gusto lo anotamos como #petición para trabajar en un vídeo de ese tema!
Buen video, una consulta cuando utilize el knn use un "test_size=0.05,random_state=42" al momento de hacer el SPLIT, y utilize K=16, y cree una columna en el dataframe que se llama "prediccion"
y cree otro dataframe llamado "fallidos" que son las filas que no predijo correctamente.
datos['prediccion']=knn.predict(datos[['NA_Sales','JP_Sales','Global_Sales']])
datos['prediccion']=datos['prediccion'].map(pred)
falidos=pd.DataFrame(datos.loc[datos['Genre']!=datos['prediccion']])
con el diccionario que creaste, me resulta una cantidad de 24 errados y eso es normal por que el SCORE=0.5 cuando lo testie, pero con el RANDOMFOREST, hice lo mismo y me votaba un SCORE=0.5, pero los fallidos era solo 1 fila o sea que los 39 restantes me los predecia, o sea el SCORE no siempre indica si va a predecir correctamente, algo asi como el R2 en regression lineal?. para el randomforest hice lo mismo
datos['prediccion2']=rfc.predict(datos[['NA_Sales','JP_Sales','Global_Sales']])
datos['prediccion2']=datos['prediccion2'].map(pred)
falidos2=pd.DataFrame(datos.loc[datos['Genre']!=datos['prediccion2']]). Espero tu respuesta, y de nuevo muchas gracias por el video, eres de los pocos youtubers en español que explica bien.
Hola! Puedes hacer tu pregunta (e incluir el código, si así lo deseas) en stackoverflow.com es completamente gratis, responden muy rápido y tienes la opción de preguntar en Inglés o Español, seguro te ayudarán con ese problema. También aquí te dejamos un vídeo, que te puede servir como guía, para agregar tu pregunta: th-cam.com/video/X46F2-OxxqY/w-d-xo.html
Hola, tienen algun video de ensambles en python?
Hola, no aún no, saludos!
MUY WEN VIDEO, COMO LA RAJAAAAA: PERDON
Saludos, gracias por la información, es posible realizar una clasificación con imagenes ?
Si, aquí tenemos un ejemplo: th-cam.com/video/vjNaCJh7Ka4/w-d-xo.html
Hola!!!, me encanta este canal, estoy aprendiendo machine learning de manera auto didacta y me han ayudado muchísimo, me encantaría si es que pudieran subir vídeos sobre tensorflow. mucho Éxito!!
Hola!! Nos da mucho gusto saber que los vídeos te están siendo de utilidad ^_^ y cómo decimos en México, ya le "echamos el ojo" a Tensorflow para hacer vídeos, así que próximamente los verás en el canal, saludos y muchas gracias por tan amable comentario!!
cctmexico gracias a ustedes por tan noble labor que es compartir el conocimiento 😊
^_^ ¡Qué amable! muchísimas gracias por tan lindo comentario!
Muchas gracias por este vídeo, gracias a lo aprendido en este vídeo y en el canal gané un primer lugar en un concurso. Me preguntaba si se podría hacer un vídeo de como graficar estos dos algoritmos? gracias!
¡Nos da mucho gusto saberlo ^_^ ! ¡Muchas felicidades! y con gusto lo anotamos como petición y gracias a tí, por vernos
Hola, me gustan todos tus videos, son muy útiles, me gustaría que explicaras un poco de Isolation Forest. Muchas gracias!!
¡Muchas gracias por tan amable comentario, con gusto lo anotamos como #petición!
Excelente el video, me gustaría que pudieran hacer un video de como hacer feature engineering para clasificación
¡Muchas gracias por tan amable comentario! Muchas gracias por la recomendación, vamos a trabajar el tema, para hacer los vídeos, saludos!