Manual de Usuario

• 1. Aprendizaje supervisado
  • 1.1. Modelos lineales
    • 1.1.1. Mínimos Cuadrados Ordinarios
    • 1.1.2. Regresión de cresta y clasificación
    • 1.1.3. Lasso
    • 1.1.4. Lasso multitarea
    • 1.1.5. Elastic-Net
    • 1.1.6. Elastic-Net multitarea
    • 1.1.7. Regresión de ángulo mínimo
    • 1.1.8. LARS Lasso
    • 1.1.9. Búsqueda de coincidencias ortogonales (OMP)
    • 1.1.10. Regresión bayesiana
    • 1.1.11. Regresión logística
    • 1.1.12. Regresión lineal generalizada
    • 1.1.13. Descenso de gradiente estocástico - SGD
    • 1.1.14. Perceptrón
    • 1.1.15. Algoritmos pasivo-agresivos
    • 1.1.16. Regresión robusta: valores atípicos y errores de modelización,
    • 1.1.17. Regresión polinómica: ampliación de los modelos lineales con funciones de base
  • 1.2. Análisis Discriminante Lineal y Cuadrático
    • 1.2.1. Reducción de dimensionalidad usando el Análisis Discriminante Lineal
    • 1.2.2. Formulación matemática de los clasificadores ADL y ADQ
    • 1.2.3. Formulación matemática de la reducción de dimensionalidad del ADL
    • 1.2.4. Estimador de Reducción y Covarianza
    • 1.2.5. Algoritmos de estimación
  • 1.3. Regresión de cresta de núcleo
  • 1.4. Máquinas de Vectores de Soporte
    • 1.4.1. Clasificación
    • 1.4.2. Regresión
    • 1.4.3. Estimación de la densidad, detección de novedades
    • 1.4.4. Complejidad
    • 1.4.5. Consejos de Uso Práctico
    • 1.4.6. Funciones del núcleo
    • 1.4.7. Formulación matemática
    • 1.4.8. Detalles de implementación
  • 1.5. Descenso de Gradiente Estocástico
    • 1.5.1. Clasificación
    • 1.5.2. Regresión
    • 1.5.3. Descenso de Gradiente Estocástico para datos dispersos
    • 1.5.4. Complejidad
    • 1.5.5. Criterio de parada
    • 1.5.6. Consejos de Uso Práctico
    • 1.5.7. Formulación matemática
    • 1.5.8. Detalles de implementación
  • 1.6. Vecino más cercano
    • 1.6.1. Vecinos más cercanos no supervisados
    • 1.6.2. Clasificación de los vecinos más cercanos
    • 1.6.3. Regresión de vecinos más cercanos
    • 1.6.4. Algoritmos del vecino más cercano
    • 1.6.5. Clasificador de centroides más cercano
    • 1.6.6. Transformador de vecinos más cercanos
    • 1.6.7. Análisis de componentes del vecindario
  • 1.7. Procesos Gaussianos
    • 1.7.1. Regresión de Procesos Gaussianos (GPR)
    • 1.7.2. Ejemplos de GPR
    • 1.7.3. Clasificación de Procesos Gaussianos (GPC)
    • 1.7.4. Ejemplos de GPC
    • 1.7.5. Núcleos para procesos gaussianos
  • 1.8. Descomposición cruzada
    • 1.8.1. PLSCanonical
    • 1.8.2. PLSSVD
    • 1.8.3. PLSRegression
    • 1.8.4. Análisis de Correlación Canónica
  • 1.9. Bayesiano ingenuo
    • 1.9.1. Bayesiano ingenuo Gaussiano
    • 1.9.2. Bayesiano ingenuo multinomial
    • 1.9.3. Complemento de Bayesiano ingenuo
    • 1.9.4. Bayesiano ingenuo de Bernoulli
    • 1.9.5. Bayesiano ingenuo categórico
    • 1.9.6. Ajuste del modelo de Bayesiano ingenuo fuera del núcleo
  • 1.10. Árboles de decisión
    • 1.10.1. Clasificación
    • 1.10.2. Regresión
    • 1.10.3. Problemas de salida múltiple
    • 1.10.4. Complejidad
    • 1.10.5. Consejos sobre uso práctico
    • 1.10.6. Algoritmos de árbol: ID3, C4.5, C5.0 y CART
    • 1.10.7. Formulación matemática
    • 1.10.8. Poda de Coste-Complejidad Mínima
  • 1.11. Métodos combinados
    • 1.11.1. Metaestimador de bagging
    • 1.11.2. Bosques de árboles aleatorios
    • 1.11.3. AdaBoost
    • 1.11.4. Gradient Tree Boosting
    • 1.11.5. Boosting por gradientes basado en Histogramas
    • 1.11.6. Clasificador de voto
    • 1.11.7. Regresor de voto
    • 1.11.8. Generalización apilada
  • 1.12. Algoritmos multiclase y multisalida
    • 1.12.1. Clasificación multiclase
    • 1.12.2. Clasificación multietiqueta
    • 1.12.3. Clasificación multiclase y multisalida
    • 1.12.4. Regresión de salida múltiple
  • 1.13. Selección de características
    • 1.13.1. Remover características con varianza baja
    • 1.13.2. Selección de características univariantes
    • 1.13.3. Eliminación recursiva de características
    • 1.13.4. Selección de características mediante SelectFromModel
    • 1.13.5. Selección secuencial de características
    • 1.13.6. Selección de rasgos como parte de un pipeline
  • 1.14. Aprendizaje semi supervisado
    • 1.14.1. Auto entrenamiento
    • 1.14.2. Propagación de etiquetas
  • 1.15. Regresión isotónica
  • 1.16. Calibración de probabilidad
    • 1.16.1. Curvas de calibración
    • 1.16.2. Calibrar un clasificador
    • 1.16.3. Uso
  • 1.17. Modelos de redes neuronales (supervisadas)
    • 1.17.1. Perceptrón multicapa
    • 1.17.2. Clasificación
    • 1.17.3. Regresión
    • 1.17.4. Regularización
    • 1.17.5. Algoritmos
    • 1.17.6. Complejidad
    • 1.17.7. Formulación matemática
    • 1.17.8. Consejos de Uso Práctico
    • 1.17.9. Más control con warm_start
• 2. Aprendizaje no supervisado
  • 2.1. Modelos de mezclas gaussianas
    • 2.1.1. Mezcla Gaussiana
    • 2.1.2. Mezcla Gaussiana Bayesiana Variante
  • 2.2. Aprendizaje múltiple
    • 2.2.1. Introducción
    • 2.2.2. Isomap
    • 2.2.3. Embedding localmente lineal
    • 2.2.4. Embedding modificado localmente lineal
    • 2.2.5. Eigenmapeo Hessiano
    • 2.2.6. Embedding Espectral
    • 2.2.7. Alineación del Espacio Tangente Local
    • 2.2.8. Escalamiento Multidimensional (Multi-dimensional Scaling, MDS)
    • 2.2.9. Embedding Estocástico de Vecinos distribuido t (t-distributed Stochastic Neighbor Embedding, t-SNE)
    • 2.2.10. Consejos sobre el uso práctico
  • 2.3. Análisis de conglomerados (Agrupamiento)
    • 2.3.1. Resumen de los métodos de análisis de conglomerados
    • 2.3.2. K-medias
    • 2.3.3. Propagación de la afinidad
    • 2.3.4. Media desplazada
    • 2.3.5. Análisis espectral de conglomerados
    • 2.3.6. Análisis de conglomerados jerárquicos
    • 2.3.7. DBSCAN
    • 2.3.8. OPTICS
    • 2.3.9. Birch
    • 2.3.10. Evaluación del rendimiento del análisis de conglomerados (agrupamiento)
  • 2.4. Biclustering
    • 2.4.1. Co-Clustering espectral
    • 2.4.2. Biclustering espectral
    • 2.4.3. Evaluación de Biclustering
  • 2.5. Descomposición de señales en componentes (problemas de factorización de matrices)
    • 2.5.1. Análisis de componentes principales (PCA)
    • 2.5.2. Descomposición de valor singular truncado y análisis semántico latente
    • 2.5.3. Diccionario de aprrendizaje
    • 2.5.4. Análisis de factores
    • 2.5.5. Análisis de componentes independientes (ICA)
    • 2.5.6. Factorización matricial no negativa (NMF o NNMF)
    • 2.5.7. Asignación Latente de Dirichlet (LDA)
  • 2.6. Estimación de covarianza
    • 2.6.1. Covarianza empírica
    • 2.6.2. Covarianza Reducida
    • 2.6.3. Covarianza inversa dispersa
    • 2.6.4. Estimación de Covarianza Robusta
  • 2.7. Detección de novedades y valores atípicos
    • 2.7.1. Resumen de los métodos de detección de valores atípicos
    • 2.7.2. Detección de novedades
    • 2.7.3. Detección de valores atípicos
    • 2.7.4. Detección de novedades con Local Outlier Factor
  • 2.8. Estimación de densidad
    • 2.8.1. Estimación de Densidad: Histogramas
    • 2.8.2. Estimación de densidad del Kernel
  • 2.9. Modelos de red neural (no supervisados)
    • 2.9.1. Máquinas Boltzmann restringidas
• 3. Selección y evaluación del modelo
  • 3.1. Validación cruzada: evaluación del rendimiento del estimador
    • 3.1.1. Cálculo de métricas de validación cruzada
    • 3.1.2. Iteradores de validación cruzada
    • 3.1.3. Nota sobre la mezcla
    • 3.1.4. Validación cruzada y selección de modelos
    • 3.1.5. Puntuación de la prueba de permutación
  • 3.2. Ajustar los hiperparámetros de un estimador
    • 3.2.1. Búsqueda exhaustiva en Cuadrícula
    • 3.2.2. Optimización Aleatoria de Parámetros
    • 3.2.3. Búsqueda de los parámetros óptimos con la reducción sucesiva a la mitad
    • 3.2.4. Tips para la búsqueda de parámetros
    • 3.2.5. Alternativas a la búsqueda de parámetros por fuerza bruta
  • 3.3. Métricas y puntuación: cuantificar la calidad de las predicciones
    • 3.3.1. El parámetro scoring: definir las reglas de evaluación del modelo
    • 3.3.2. Métricas de clasificación
    • 3.3.3. Métricas de clasificación multietiqueta
    • 3.3.4. Métricas de Regresión
    • 3.3.5. Métricas de agrupamiento
    • 3.3.6. Estimadores de prueba
  • 3.4. Curvas de validación: dibujar las puntuaciones para evaluar los modelos
    • 3.4.1. Curva de validación
    • 3.4.2. Curva de aprendizaje
• 4. Inspección
  • 4.1. Gráficos de Dependencia Parcial y de Expectativa Condicional Individual
    • 4.1.1. Gráficos de dependencia parcial
    • 4.1.2. Gráfico de expectativas condicionales individuales (Individual conditional expectation, ICE)
    • 4.1.3. Definición Matemática
    • 4.1.4. Métodos de cálculo
  • 4.2. Importancia de la característica de permutación
    • 4.2.1. Esquema del algoritmo de importancia de la permutación
    • 4.2.2. Relación con la importancia basada en la impureza en árboles
    • 4.2.3. Valores no representativos en características fuertemente correlacionadas
• 5. Visualizaciones
  • 5.1. Utilidades de graficación disponibles
    • 5.1.1. Funciones
    • 5.1.2. Mostrar objetos
• 6. Transformaciones de conjuntos de datos
  • 6.1. Pipelines y estimadores compuestos
    • 6.1.1. Pipeline: estimadores encadenados
    • 6.1.2. Transformación del objetivo en regresión
    • 6.1.3. FeatureUnion: espacios de características compuestas
    • 6.1.4. ColumnTransformer para datos heterogéneos
    • 6.1.5. Visualización de estimadores compuestos
  • 6.2. Extracción de características
    • 6.2.1. Cargando características desde diccionarios
    • 6.2.2. Hashing de características
    • 6.2.3. Extracción de característica de texto
    • 6.2.4. Extracción de características de imagen
  • 6.3. Preprocesamiento de los datos
    • 6.3.1. Estandarización, o eliminación media y escala de varianza
    • 6.3.2. Transformación no lineal
    • 6.3.3. Normalización
    • 6.3.4. Codificación de características categóricas
    • 6.3.5. Discretización
    • 6.3.6. Imputación de valores faltantes
    • 6.3.7. Generación de características polinomiales
    • 6.3.8. Transformadores personalizados
  • 6.4. Imputación de valores faltantes
    • 6.4.1. Imputación univariante frente a multivariante
    • 6.4.2. Imputación de características univariantes
    • 6.4.3. Imputación de características multivariantes
    • 6.4.4. Referencias
    • 6.4.5. Imputación de vecinos más cercanos
    • 6.4.6. Marcar los valores imputados
  • 6.5. Reducción de dimensionalidad no supervisada
    • 6.5.1. Análisis de Componentes Principales (Principal Component Analysis, PCA)
    • 6.5.2. Proyecciones aleatorias
    • 6.5.3. Aglomeración de características
  • 6.6. Proyección aleatoria
    • 6.6.1. El lema Johnson-Lindenstrauss
    • 6.6.2. Proyección aleatoria Gaussiana
    • 6.6.3. Proyección aleatoria dispersa
  • 6.7. Aproximación de núcleo
    • 6.7.1. Método Nystroem para la aproximación de núcleos
    • 6.7.2. Núcleo de la función de base radial
    • 6.7.3. Núcleo aditivo de chi cuadrado
    • 6.7.4. Núcleo de chi cuadrado sesgado
    • 6.7.5. Aproximación de núcleos polinómicos a través de Tensor Sketch
    • 6.7.6. Detalles matemáticos
  • 6.8. Métricas por pares, afinidades y núcleos
    • 6.8.1. Similitud del coseno
    • 6.8.2. Núcleo lineal
    • 6.8.3. Núcleo polinomial
    • 6.8.4. Núcleo sigmoidal
    • 6.8.5. Núcleo RBF
    • 6.8.6. Núcleo Laplaciano
    • 6.8.7. Núcleo chi-cuadrado
  • 6.9. Transformación del objetivo de predicción (y)
    • 6.9.1. Binarización de etiquetas
    • 6.9.2. Codificación de etiquetas
• 7. Herramientas de carga de conjuntos de datos
  • 7.1. Conjuntos de datos de juguetes
    • 7.1.1. Conjunto de datos sobre los precios de la vivienda en Boston
    • 7.1.2. Conjunto de datos de plantas de lirio
    • 7.1.3. Conjunto de datos sobre la diabetes
    • 7.1.4. Conjunto de datos de reconocimiento óptico de dígitos manuscritos
    • 7.1.5. Conjunto de datos de Linnerrud
    • 7.1.6. Conjunto de datos de reconocimiento de vinos
    • 7.1.7. Conjunto de datos sobre el cáncer de mama en Wisconsin (diagnóstico)
  • 7.2. Conjuntos de datos del mundo real
    • 7.2.1. El conjunto de datos de caras Olivetti
    • 7.2.2. El conjunto de datos de texto de 20 grupos de noticias
    • 7.2.3. El conjunto de datos de reconocimiento facial Labeled Faces in the Wild
    • 7.2.4. Tipos de cobertura forestal
    • 7.2.5. Conjunto de datos RCV1
    • 7.2.6. Conjunto de datos Kddcup 99
    • 7.2.7. Conjunto de datos California Housing
  • 7.3. Conjuntos de datos generados
    • 7.3.1. Generadores para clasificación y análisis de conglomerados
    • 7.3.2. Generadores para regresión
    • 7.3.3. Generadores para aprendizaje múltiple
    • 7.3.4. Generadores para descomposición
  • 7.4. Cargando otros conjuntos de datos
    • 7.4.1. Imágenes de ejemplo
    • 7.4.2. Conjuntos de datos en formato svmlight / libsvm
    • 7.4.3. Descargando conjuntos de datos desde el repositorio openml.org
    • 7.4.4. Cargando desde conjuntos de datos externos
• 8. Calculando con scikit-learn
  • 8.1. Estrategias para escalar computacionalmente: datos más grandes
    • 8.1.1. Escalar con instancias utilizando el aprendizaje fuera del núcleo
  • 8.2. Rendimiento computacional
    • 8.2.1. Latencia de predicción
    • 8.2.2. Rendimiento de predicción
    • 8.2.3. Consejos y trucos
  • 8.3. Paralelismo, gestión de recursos y configuración
    • 8.3.1. Paralelismo
    • 8.3.2. Interruptores de configuración
• 9. Persistencia del modelo
  • 9.1. Serialización específica de Python
    • 9.1.1. Limitaciones de seguridad y mantenimiento
  • 9.2. Formatos interoperables
• 10. Fallas comunes y prácticas recomendadas
  • 10.1. Preprocesamiento inconsistente
  • 10.2. Fuga de datos
    • 10.2.1. Fuga de datos durante el preprocesamiento
    • 10.2.2. Cómo evitar fuga de datos
  • 10.3. Control de aleatoriedad
    • 10.3.1. Usando instancias de None o RandomState, y llamadas repetidas a fit y split
    • 10.3.2. Fallas comunes y sutilezas
    • 10.3.3. Recomendaciones generales