curso de_
Regresión: Construyendo árboles de regresión
Es parte de los cursos de Machine Learning en Data Science.
Discusiones sobre este curso
Resumen del curso
- Ajuste de datos para modelos de regresión basados en árboles
- Construcción de modelos de árboles de regresión y de bosque aleatorio
- Identificación y análisis del sobreajuste (overfitting) en modelos de regresión
- Optimización y ajuste de hiperparámetros para evitar el sobreajuste
- Comparación de los resultados del modelo
- Evaluación del rendimiento del modelo mediante técnicas de validación cruzada
Público Objetivo
Personas que son científicos de datos, personas interesadas en modelos de regresión y estudiantes de aprendizaje automático que quieran profundizar en la regresión.
Contenido relacionado
Cursos de Machine Learning en Data Science. Lea nuestros artículos de Data Science.
Última actualización
4/15/2026
¿Ya eres alumno?
8h
p/ conclusión
44
Actividades
117
Minutos de video
1
Alumnos en este curso
0
Nota del curso
Certificado de participación
Instructores
Contenido Detallado
1. Trabajando con los datos
- Introducción
- Preparando el ambiente
- Conociendo el problema
- Para saber más: datos para modelos basados en árboles
- Feature Engineering para fechas
- Variables temporales
- Tratando valores categóricos
- Manos a la obra: visualizando datos
- Lo que aprendimos
2. Construyendo un árbol de regresión
- Proyecto de la clase anterior
- Separando los datos para el modelado
- Baseline con DTR
- Para saber más: Árbol de Regresión
- Analizando el modelo DTR generado
- Para saber más: métricas de evaluación para modelos de regresión
- Utilidades de cada métrica de regresión
- Manos a la obra: identificando características del árbol
- Lo que aprendimos
3. Evitando overfitting con la optimización
- Proyecto de la clase anterior
- Optimización de hiperparámetros
- Poda de un Árbol de Regresión
- Buscando la mejor configuración de hiperparámetros con GridSearchCV
- Validación Cruzada
- Para saber más: dónde aplicar la validación cruzada
- Manos a la obra: analizando la estructura del nuevo modelo
- Lo que aprendimos
4. Implementando un bosque aleatorio
- Proyecto de la clase anterior
- Bosques Aleatorios de Regresión
- Para saber más: Bosque Aleatorio
- Validación Cruzada con RFR
- Conjunto out-of-bag
- Manos a la obra: verificando la estructura del Bosque Aleatorio
- Lo que aprendimos
5. Buscando la optimización del bosque aleatorio
- Proyecto de la clase anterior
- Optimización del RFR
- Validación Cruzada con RFR optimizado
- Para saber más: Grid Search y otros métodos de búsqueda
- Probando el modelo con nuevas solicitudes
- Evaluación del modelo
- Haga lo que hicimos en aula: concluyendo el proyecto
- Proyecto final
- Para ir más profundo
- Lo que aprendimos
- Conclusión
Acceso a todos los cursos
Estudiar las 24 horas, dónde y cuándo quieras
Nuevos cursos cada semana
