✔ Random Forest-Machine learning, fundamento teorico, optimización de hiperparametros, full Python.

En este video te enseñare desde los conceptos básicos hasta la parte practica usando python, Aprenderas de las librerías y funciones que se necesita para construir el modelo de *Random Forest* , evaluaremos rendimientos y observaremos resultados utilizando los conceptos y funciones que nos proporciona la libreria *sklearn* de python. *Dataset* : https://www.kaggle.com/competitions/playground-series-s4e11 *Cuaderno jupyter* : https://colab.research.google.com/drive/1oOqqE77sILtQsScOOM7aorXa8Ck_Flbr?usp=sharing *Teoría* : [00:12]: Machine learning Random forest. [00:30] Bases del Modelo Random Forest. [01:10]: Funcionalidad Visual. [03:20]: Out of Bag (OOB). [04:39]: Ventajas y desventajas. *Codigo Python* [06:39]: 1-Instalacion de librerías [07:19]: 2-lectura de Datos. [07:56]: 3-Análisis Exploratorio de Datos (EDA). [08:45]: 4-Preparación de Datos. [10:40]: 5-Entrenamiento y Evaluación: [14:11]: Optimización de Hiperparametros. [16:35]: 6-Modelo final. 🛒 Producto Recomendado: 📚 Book Machine Learning con Python: Keras, PyTorch y TensorFlow: De principiante a experto: 🔗https://amzn.to/4jEigeC 📚Book Hand-on Machine Learning with Scikit-Learn, keras and Tensorflow: 🔗https://amzn.to/3RybtHp