Cuando pregunte cuál es el ajuste adecuado o el enfoque recomendado para Machine Learning, le pediría que primero planifique su objetivo en el problema de Machine Learning.
Todo depende de la necesidad del problema.
Si se trata de un problema de clasificación, puede elegir Algoritmos de aprendizaje automático como Regresión logística o Máquinas de vectores de soporte.
- ¿Cuáles son algunos libros sobrevalorados en aprendizaje automático, estadísticas y aprendizaje profundo?
- ¿Cuál es la diferencia entre Internet de las cosas y el aprendizaje automático y cuál debo aprender primero?
- ¿Cuáles son algunas áreas de investigación en la intersección del aprendizaje automático y las criptomonedas?
- ¿Existen aplicaciones reales de uso de Elastic Net?
- ¿Se puede extraer información significativa de datos hash para el aprendizaje automático?
Si se trata de un problema de regresión, puede elegir Algoritmos de aprendizaje automático como Regresión lineal o Lazo, etc.
Si se trata de un problema de agrupación en el que es posible que desee agrupar los datos, puede optar por el algoritmo de agrupación de k-means.
Algunas cosas interesantes son las siguientes
Regresión logística usando python
¿Qué son las técnicas de reducción de la dimensionalidad?
Gráfico de correlación
Interpretación de salida de regresión logística en R
