Skip to content

Laboratorios 3 y 4

Choose a tag to compare

View all tags
@Carmoruda Carmoruda released this 01 May 11:44
· 19 commits to main since this release
3.0.0
685774e

📢 Release v2.0: Prácticas 3 y 4 - Data Mining 📊

Este release incluye las prácticas 3 y 4 de la asignatura de Data Mining, enfocadas en el uso de técnicas de clasificación, regresión y agrupamiento no supervisado de datos.

📌 Contenido

📝 LAB03 - Técnicas y modelos de clasificación

  • Práctica 1: Asteroides peligrosos ☄️🌍

    • Clasificación de asteroides según su peligrosidad utilizando datos proporcionados por la NASA.
    • Preprocesamiento del dataset eliminando columnas irrelevantes y selección de atributos útiles.
    • Implementación y comparación de configuraciones del algoritmo KNN con distintas métricas de distancia y número de vecinos.
    • Evaluación de resultados con un conjunto de validación.

  • Práctica 2: Clasificador de crímenes en San Francisco 🚔🕵️‍♀️

    • Clasificación de tipos de crímenes según momento del día, día de la semana y distrito.
    • Aplicación de árboles de decisión con distintos criterios de división.
    • Visualización del árbol y extracción de reglas generales y específicas.
    • Predicción de tipos de crímenes en situaciones específicas.

  • Práctica 3: Clasificación de especies de monos 🐒📷

    • Uso de imágenes para entrenar un modelo de clasificación de especies de monos, incluyendo especies en peligro de extinción.
    • Comparación de distintos modelos con medidas de precisión.
    • Clasificación de nuevas imágenes no utilizadas en el entrenamiento.

  • Práctica 4: Clasificación de coches para desguace 🚗🔧

    • Automatización del etiquetado de coches según sus características.
    • Preprocesamiento de datos y entrenamiento de un clasificador.
    • Evaluación de su desempeño con coches no vistos durante el entrenamiento.

📝 LAB04 - Regresión y clustering

  • Práctica 1: Consumo de cerveza 🍺🌡️

    • Modelado de la relación entre variables meteorológicas (temperatura mínima, máxima y lluvia) y el consumo de cerveza.
    • Comparación de modelos de regresión y análisis de diferencias.
    • Predicciones de consumo en distintos escenarios.

  • Práctica 2: Agrupamiento de cervezas artesanas 🍻🔬

    • Clustering de cervezas para mejorar la búsqueda en tienda online.
    • Evaluación de distintas configuraciones del algoritmo K-Means, análisis de centroides y selección de variables más influyentes.
    • Visualización de evolución de grupos con inicialización distinta y estudio de técnicas de postprocesamiento.

  • Práctica 3: Análisis de incendios forestales 🌲🔥

    • Regresión multivariable para estimar superficie quemada en incendios forestales.
    • Evaluación de modelos con distintas combinaciones de variables (temperatura, viento, humedad, lluvia).
    • Análisis de residuos e interpretación de intervalos de confianza.

  • Práctica 4: Taxonomía de coches 🚘🧬

    • Agrupamiento jerárquico de coches mediante dendrogramas.
    • Evaluación de relaciones entre clases y elección del número óptimo de clústers (k).

📂 Estructura de archivos

📁 Data_Mining
├── 📁 LAB01
│   ├── Practica_1_GRUPOC5.ipynb
│   ├── Practica_2_GRUPOC5.ipynb
│   ├── Practica_3_GRUPOC5.ipynb
│   ├── requirements.txt
│   ├── 📁 media
│       ├── Agua.png
│       ├── Electrico.png
│       ├── Enunciado Apartado 1.png
│       ├── Fantasma.png
│       ├── Fuego.png
│       ├── Planta.png
│       ├── Sin_Color.png
├── 📁 LAB02
│   ├── Enunciado - Reglas de Asociación y Patrones Secuenciales.pdf
│   ├── Practica_1_GRUPOC5.ipynb
│   ├── Practica_2_GRUPOC5.ipynb
│   ├── requirements.txt
│   ├── 📁 resources
│       ├── Navegacion_Web.csv
│       ├── Supermercado.csv
├── 📁 LAB03
│   ├── Practica_1_GRUPOC5.ipynb
│   ├── Practica_2_GRUPOC5.ipynb
│   ├── Practica_3_GRUPOC5.ipynb
│   ├── Practica_4_GRUPOC5.ipynb
│   ├── requirements.txt
│   ├── 📁 datasets
│       ├── nasa.csv
│       ├── nasa_clasificar.csv
│       ├── sf_crimenes.csv
│       ├── monos.zip
│       ├── cars.csv
├── 📁 LAB04
│   ├── Practica_1_GRUPOC5.ipynb
│   ├── Practica_2_GRUPOC5.ipynb
│   ├── Practica_3_GRUPOC5.ipynb
│   ├── Practica_4_GRUPOC5.ipynb
│   ├── requirements.txt
│   ├── 📁 datasets
│       ├── Consumo_cerveza.csv
│       ├── cervezas.csv
│       ├── incendios.csv
│       ├── cars.csv
├── .gitignore
├── README.md

📌 Notas:

  • Cada notebook incluye una memoria explicativa con el desarrollo de la práctica, visualizaciones y justificación de cada paso.
Assets 2
Loading