Machine Learning en Español - 09 Regularización para Lidiar con Overfitting

09 Regularización para Lidiar con Overfitting

04/19/20 • 16 min

En este episodio hablamos de regularización, una técnica efectiva para resolver el problema de overfitting o sobre ajuste. Presentamos dos técnicas: ridge regression y lasso. Este último tiene la propiedad de ser un algoritmo que selecciona automáticamente los parámetros finales.

Previous Episode

08 Regresión Lineal: El Retorno de la Reina

En este episodio trataré de convencerte porque la Regresión Lineal es uno de los algoritmos más poderosos en Machine Learning. Vamos a hablar de conceptos erróneos, especialmente que Regresión Lineal no es capaz de modelar relaciones no lineales. También hablaremos del mito de normalidad el cual motiva a muchas personas a descartar completamente la Regresión Lineal con datos no normales, cuando en realidad, el supuesto de normalidad no tiene nada que ver con los datos recolectados. Finalmente, te presentamos sugerencias de como validar, pero mas importante, de como solucionar cualquier violación a los supuestos de la Regresión Lineal.

Next Episode

10 Regresion Logistica

Regresión Logística es una técnica muy robusta en machine learning que se utiliza en tres modalidades: binaria, multinomial y ordinal. Hablamos de los supuestos y malentendidos que hay con el uso de esta técnica. Por ejemplo, hay gente que piensa que porque Regresión Logística ajusta un separador lineal en el espacio extendido no es capaz de ajustar una línea de separación compleja en el espacio original. Otro error común, es cuando la gente utiliza regresión lineal para modelar una variable de respuesta ordinal en lugar de utilizar regresión logística ordinal.