| Idioma | Enlace |
|---|---|
| 🇪🇸 Español | readme.md |
| 🇺🇸 Inglés | English Version |
Este repositorio es una recopilación de diversos proyectos de Machine Learning desarrollados a lo largo de mi formación y trayectoria profesional. Aquí se exploran desde modelos estadísticos clásicos hasta algoritmos avanzados de boosting.
Nota: Puedes hacer clic en los encabezados de los proyectos para acceder directamente al código fuente.
En este proyecto, se desarrolló un modelo de Regresión Lineal Múltiple en R para predecir los salarios de empleados en una empresa ficticia, utilizando como variables predictoras la edad y los años de experiencia.
- Relación de variables: Análisis de correlación entre predictores y la variable objetivo.
- Multicolinealidad: Evaluación de la relación entre variables independientes para asegurar la estabilidad del modelo.
- Métricas de rendimiento: Uso de RMSE y R² para evaluar la precisión y la capacidad explicativa del modelo.
- R y RStudio.
- Librerías:
ggplot2,dplyr(incluidas en el script).
Este proyecto corresponde a mi participación en una competición de Kaggle enfocada en la inferencia climática. El objetivo es predecir la probabilidad de lluvia utilizando un conjunto de datos histórico.
- Selección de Características: Uso de técnicas de filtrado y análisis de importancia.
- Algoritmos Avanzados: Implementación de modelos de boosting como XGBoost y CatBoost.
- Optimización: Ajuste de hiperparámetros para maximizar la métrica AUC-ROC.
- Python 3.x
- Jupyter Notebook / Kaggle Kernel.
- Librerías:
pandas,scikit-learn,xgboost,catboost,matplotlib,seaborn.
- Clona el repositorio:
git clone https://github.com/edoruin/Machine-Learning-proyects-Proyectos-de-Machine-Learning.git
- Asegúrate de tener instalados los lenguajes necesarios (R o Python) según el proyecto que desees explorar.
- Instala las dependencias listadas en cada sección.