Qué es overfitting y underfitting y cómo solucionarlo
ฝัง
- เผยแพร่เมื่อ 27 ธ.ค. 2019
- Las principales causas al obtener malos resultados en Machine Learning son el overfitting o el underfitting de los datos. Cuando entrenamos nuestro modelo intentamos «hacer encajar» fit en inglés los datos de entrada entre ellos y con la salida. Tal vez se pueda traducir overfitting como «sobreajuste» y underfitting como «subajuste» y hacen referencia al fallo de nuestro modelo al generalizar encajar el conocimiento que pretendemos que adquieran. Lo explicaremos en este video como complemento a los cursos online que tienes disponible en Udemy a través del link
cursos.frogamesformacion.com/... - วิทยาศาสตร์และเทคโนโลยี
![[Full Episode] MasterChef Junior Thailand มาสเตอร์เชฟ จูเนียร์ ประเทศไทย Season 3 Episode 5](http://i.ytimg.com/vi/g5wpgeAIzMs/mqdefault.jpg)
Este tipo de videos son realmente interesantes y complementan perfectamente a los que seguimos tus cursos de Udemy.
Muchas gracias y esperemos que no sea el último video de este tipo.
13:15 ICE, jajaja, muy buen video!!! Excelente y clara explicación
Jejeje, mensaje secreto
Menos mal el mensaje no fue "help"
Como siempre excelente! Seria bueno un vídeo sobre balanceo de clases cuando todas las variables son categóricas. Se saca muestra de la clase mayor? se copian los datos? se pasan a dummies y se usa Smote?, etc.
Muy ilustrativo, sencilla explicación y fácil de entender
Muy bueno para complementar las clases! Queremos más vídeos 💪
Un genio JG!
Muy interesante el tema, lo que más me gustó es lo de la dimensión, las matemáticas se ponen interesantes, saludos Álvaro
Super claro los conceptos básicos que expones!!!!! excelente canal
Genial, me alegro!!!
Gracias Juan Gabriel, sos un capo
Con tu permiso comparto este video en el canal de Telegramde la asignatura de Mineria de Datos. Precisamente el otro dia debatiamos sobre esto. Gracias JB.
Xavi villaronga garcia claro para eso esta
Muchas gracias por la explicación, estos términos los vi en el libro Hands on machine learning pero no me quedaron del todo claros y gracias a este vídeo ya los comprendí :) (psdt: soy un estudiante de tu curso de ML)
Gracias por este video, ya lo compartí en mis redes sociales.
Saludos
Si veo que tiene buena recepción miro de sacar alguno cada mes
Gracias! entendi mejor
Genial, me alegro!
Hola juan, quisiera saber si ¿haciendo un buen proyecto se podria llegar a tener una beca en la universidad de barcelona?, saludos soy de colombia, estudiante de diseño grafico de 7 semestre.
Saludos Juan Gabriel, podrías hacer un curso de ML en QPU
tomo nota en el futuro!
Buenas noches, en el minuto 17:29 dices que cabría esperar que el modelo después de muchas épocas, el error, caería cerca a cero. ¿Qué ocurre cuándo por muchas épocas que le pongas el error se estanca en, por ejemplo, 900 épocas independientemente que le pongas 10000. Gracias
Quien fue el único pelotudo que le puso "no me gusta" a este video? Jaja. Que lo parió. Excelente video.
Muchas gracias =D
Estos "problemas" como otros, no se podrían mitigar utilizando automl tipo H20, Ludwig.......por ejemplo??
No siempre, depende en cada caso del problema que estés intentando resolver, y sobretodo sabiendo interpretar la salida de los propios algoritmos
@@JuanGabrielGomila Seria un tema interesante para hacer un tutorial o un curso no?......viendo que esta empezando a tener mucho interés por las redes.
Curso de ML comentas? Ya tengo unos cuantos! Https://frogames.es/cursos
@@JuanGabrielGomila No de ML, sino de AUTOML....