Clarissimo! Muy didactico y preciso. Me gusto mucho el resultado final, la imagen al final le dio el cierre perfecto! Los felicito por el video y continuen asi. Exitos!
Dices en tu contexto sobre el termino "predecir". Puedes ahondar en ese concepto ya que clasificar se usa mucho pero predecir. Si alteras los datos como puedes predecir??
Hola!!!!!! Muchas gracias por tus videos, son excelentes, tengo una duda de novato, una vez hecha la normalización se puede saber que valor tenía antes? Viendo los datos originales se sabría pero si son muchos se vuelve una locura. Mil gracias de antemano.
Muchas gracias por vernos, puedes crear una copia de la columna para que puedas relacionar los valores, con Pandas es muy pero muy rápido hacer las búsquedas por más datos que tengas :)
Excelente video amigos! El tema de la IA es muy interesante y ustedes lo explican muy bien, felicitaciones por eso! Quisiera sugerirles/pedirles que en próximos videos puedan hablar sobre Reinforcement Learning (con ejemplos) y cómo interactúan con las redes neuronales (deepQLearning) muchas gracias!
Para realizar las predicciones como se haria, ya que el modelo se forma con datos normalizados para realizar las predicciones habría que "desnormalizarlos"?
Buen tutorial, pero aún tengo dudas, con la librería StandardScaler cuando se usa “fit_transform” y “transform”. En algunos sitios web vi un ejemplo similar al siguiente fragmento de código: x_train=scaler.fit_transform(x_train) x_test=scaler.transform(x_test) De antemano gracias por la aclaración.
Hola. En otro ejemplo que hicistes anterior llamado transformación de datos, antes de transformar convertistes el df a array en standardscaler. En este ejemplo aplicas standardscaler denuevo y no conviertes a array, osea lo pasas directo. Cuál sería la diferencia. Será el uso de doble corchetes DF[[ ]]?
Hola. Consulta. Tengo una datos en dos columnas X e Y. Prácticamente es el mismo código: df = p.read_csv('TO-Sn3d.csv', delim_whitespace=True, header=None) print("Describe") print(df[1].describe()) fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2) ax1.scatter(df[0], df[1], color='black', marker='o', facecolors='none', label='Experimental') # scaler=preprocessing.Normalizer(norm='l2', copy=True) df[1]=scaler.fit_transform(df[1]) # ax2.scatter(df[0], df[1], color='black', marker='o', facecolors='none', label='Norm') plt.show() Pero no me muestra la gráfica normalizada. Me sale el error: raise ValueError('Length of values does not match length of ' 'index') ValueError: Length of values does not match length of index Cómo puedo arreglarlo? gracias.
Parece que tienes una diferencia en el número de datos, 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
![[LIVE] : ONE ลุมพินี 91 | คู่เอก "คมอาวุธ vs อเล็กเซย์"](http://i.ytimg.com/vi/V0RkEfYFsgM/mqdefault.jpg)
Muchas gracias buen video
Muchas gracias, Liliana, estoy haciendo mis trabajos prácticos y me resultó excelente!!!!
Clarissimo! Muy didactico y preciso. Me gusto mucho el resultado final, la imagen al final le dio el cierre perfecto! Los felicito por el video y continuen asi. Exitos!
¡Muchísimas gracias por dejarnos tan amable comentario, nos hizo el día! ^_^ Recibe muchos saludos y muchas gracias por vernos!!
Muchas gracias por sus vídeos. He aprendido muchísimo
Muchas gracias a tí, por vernos y dejarnos tan amable comentario ^_^ ¡Nos da mucho gusto saber que los vídeos te son de utilidad!
Dices en tu contexto sobre el termino "predecir". Puedes ahondar en ese concepto ya que clasificar se usa mucho pero predecir. Si alteras los datos como puedes predecir??
Gracias por esta entrega. Muy buen video, excelente contenido :) . Saludos
Muchas gracias a tí querida Marisol, por pasar a visitarnos y dejarnos tan amable comentario :D ¡Saludos y excelente semana!
Hola!!!!!! Muchas gracias por tus videos, son excelentes, tengo una duda de novato, una vez hecha la normalización se puede saber que valor tenía antes? Viendo los datos originales se sabría pero si son muchos se vuelve una locura. Mil gracias de antemano.
Muchas gracias por vernos, puedes crear una copia de la columna para que puedas relacionar los valores, con Pandas es muy pero muy rápido hacer las búsquedas por más datos que tengas :)
buenas se puede standarizar el escalado de un objeto?
Excelente video amigos!
El tema de la IA es muy interesante y ustedes lo explican muy bien, felicitaciones por eso!
Quisiera sugerirles/pedirles que en próximos videos puedan hablar sobre Reinforcement Learning (con ejemplos) y cómo interactúan con las redes neuronales (deepQLearning) muchas gracias!
¡Muchas gracias por tan amable comentario ^_^ ! Con mucho gusto anotamos la #petición saludos!!
Perfecto!
Para realizar las predicciones como se haria, ya que el modelo se forma con datos normalizados para realizar las predicciones habría que "desnormalizarlos"?
Buen tutorial, pero aún tengo dudas, con la librería StandardScaler cuando se usa “fit_transform” y “transform”. En algunos sitios web vi un ejemplo similar al siguiente fragmento de código:
x_train=scaler.fit_transform(x_train)
x_test=scaler.transform(x_test)
De antemano gracias por la aclaración.
Muchas gracias, ¿para que sirve todo este proceso? ¿Cómo saber si en nuestros datos hay que escalar o normalizar? Buen vídeo.
Muy bueno el algoritmo de StandardScaler pero este de Normalizer qué método usa? porque veo es una gran simetría de datos, gracias.
Hola. En otro ejemplo que hicistes anterior llamado transformación de datos, antes de transformar convertistes el df a array en standardscaler. En este ejemplo aplicas standardscaler denuevo y no conviertes a array, osea lo pasas directo. Cuál sería la diferencia. Será el uso de doble corchetes DF[[ ]]?
#petición haz por favor un tutorial de normalización de datos y una regresión logistica usando una matriz de confusión
Con gusto lo anotamos como #petición, saludos!
¿podría hacer una demostración en R ? saludos, muy buen video.
es normal que más de la mitad de los valores normalizados me queden en negativo? siendo que todos eran positivos
Creen que me pueden ayudar con una base de datos para regresion logistica
#Petición hagan por favor un vídeo sobre visión artificial con opencv
¡Anotada la #petición! Saludos ^_^
gracias
¡Gracias a tí por vernos!
Hola. Consulta. Tengo una datos en dos columnas X e Y. Prácticamente es el mismo código:
df = p.read_csv('TO-Sn3d.csv', delim_whitespace=True, header=None)
print("Describe")
print(df[1].describe())
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2)
ax1.scatter(df[0], df[1], color='black', marker='o', facecolors='none', label='Experimental')
#
scaler=preprocessing.Normalizer(norm='l2', copy=True)
df[1]=scaler.fit_transform(df[1])
#
ax2.scatter(df[0], df[1], color='black', marker='o', facecolors='none', label='Norm')
plt.show()
Pero no me muestra la gráfica normalizada. Me sale el error:
raise ValueError('Length of values does not match length of ' 'index')
ValueError: Length of values does not match length of index
Cómo puedo arreglarlo? gracias.
Parece que tienes una diferencia en el número de datos, 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
Ya lo solucioné. Gracias por el dato de stackoverflow. Saludos.