método fit

Lección 7 de 19 del curso Introducción al aprendizaje automático de Coddy.

El KNN no tiene una fase de entrenamiento explícita. Simplemente almacena el conjunto de datos. Solo durante la fase de predicción calcula la distancia entre el nuevo punto y el resto.

Desafío

Intermedio

Implementa el cálculo de la distancia euclidiana en el método distance, y modifica el método fit para almacenar la lista de puntos en self.points y las etiquetas correspondientes en self.labels. X_train son los puntos y y_train son las etiquetas.

Pruébalo tú mismo

import numpy
class KNN:
    def __init__(self, k):
        self.points = None
        self.labels = None
        self.k = k
    
    def distance(self, point_a, point_b):
        # Escribe tu código aquí
    
    def fit(self, X_train, y_train):
        # Escribe tu código aquí
        pass

    def predict(self, X_test):
        pass

Todas las lecciones de Introducción al aprendizaje automático

1El comienzo del viaje en ML

Introducción a ML Datos para alimentar un modelo Qué es un modelo de ML

4Algoritmo K-Means

Introducción a K-Means método fit método predict

2Introducción al aprendizaje automático

Aprendizaje supervisado Aprendizaje no supervisado

5Bayes ingenuo

Introducción a Naive Bayes método fit método predict

3K vecinos más cercanos (KNN)

Introducción a KNNmétodo fitmétodo predict

6Otros modelos

Regresión logística Regresión lineal Árbol de decisión Máquina de vectores de soporte (SVM)Cuestionario sobre modelos

Practica por tu cuenta: Compilador de Python online