Skip to content
main
Switch branches/tags
Code

Latest commit

 

Git stats

Files

Permalink
Failed to load latest commit information.
Type
Name
Latest commit message
Commit time
 
 
 
 
 
 

Logistic Regression

El dataset proporcionado es del archivo “wine_data.csv” parte de datos para el reconocimiento de vinos (donados por Riccardo Leardi y actualizado por by C.Blake), dentro del cual se muestran diferentes atributos que pueden servir para identificar la clase de vino (clase 1, clase 2 y clase 3, primera columna del archivo):

  1. Alcohol
  2. Malic acid
  3. Ash
  4. Alcalinity of ash
  5. Magnesium
  6. Total phenols
  7. Flavanoids
  8. Nonflavanoid phenols
  9. Proanthocyanins 10)Color intensity 11)Hue 12)OD280/OD315 of diluted wines 13)Proline

Para este ejercicio se le pide que proporcione un modelo de regresión logística que prediga si la clase de vino usando todas las features que considere necesarias. A continuación se mencionan las generalidades de los pasos sugeridos a realizar:

  1. Leer el archivo CSV proporcionado y almacenarlo en un np.array para ser trabajado en el notebook.
  2. Ajustar un modelo de regresión logística en base al dataset cargado que relacione cualquier subconjunto propio de las variables de los indicadores seleccionados con la probabilidad de tener la clase.
  3. Asegúrese de hacer los ajustes y trabajos necesarios al modelo que ha implementado para describir y predecir la información sobre la nube de datos.
  4. Haga un análisis sobre sus hallazgos, donde mencione claramente las razones por las que considera que su modelo es bueno justificando adecuadamente.

About

No description, website, or topics provided.

Resources

Releases

No releases published

Packages

No packages published