Comparación de Modelos de Clasificación en Python

Este repositorio contiene un análisis comparativo de tres modelos de clasificación implementados en Python utilizando Jupyter Notebooks. Los modelos evaluados son:

Árbol de Decisión (Decision Tree) Regresión Logística (Logistic Regression) Bosque Aleatorio (Random Forest) El propósito de este análisis es determinar cuál de estos modelos ofrece el mejor rendimiento en términos de precisión para un conjunto de datos específico.

Conjunto de Datos

El conjunto de datos utilizado en este análisis se encuentra aquí: [repo].

Contenido del Repositorio

Problemaclasificacion.ipynb: Jupyter Notebook que contiene la implementación de los modelos y su evaluación en el conjunto de datos.

artists_billboard_fix3.csv: Archivo CSV que contiene los datos utilizados en el análisis.

artists_tratado.csv: Archivo CSV con los datos ya tratados y normalizados.

README.md: Este archivo que proporciona una descripción del repositorio y su contenido.

Requisitos de Instalación

Para ejecutar los cuadernos de Jupyter proporcionados en este repositorio, se recomienda tener instalado Python junto con las siguientes bibliotecas:

Matplotlib Pandas Matplotlib Scikit-learn

Uso

Puede clonar este repositorio utilizando el siguiente comando:

git clone https://github.com/ivanortiz1/IA-modelos-Clasificacion.git

Luego, puede abrir los cuadernos de Jupyter utilizando Jupyter Notebook o JupyterLab:

jupyter notebook

o

jupyter lab

¡Espero que este análisis le resulte útil! Si tiene alguna pregunta o sugerencia, no dude en ponerse en contacto.