Menu
CoddyTech
EMPEZAR A APRENDER
flag Es iconEspañoldown icon

Repaso: horas de práctica

Parte de la sección Estadística para ML del Journey de Machine Learning de Coddy. Lección 40 de 64.

challenge icon

Desafío

Intermedio

¿Cuánta práctica semanal se necesita para alcanzar una puntuación objetivo? El archivo practice.csv de una escuela de idiomas contiene las hours y la score de 20 estudiantes; el programa lee target.

  1. Ajusta la línea que predice score a partir de hours; imprime la proporción que explica (1 decimal).
  2. Imprime las horas que necesita la línea para alcanzar target (2 decimales).
  3. ¿Está fuera del intervalo de horas de los datos? Imprime una advertencia.
  4. Representa en un gráfico los Learners, el Fit a lo largo de sus horas y el punto Needed, con una leyenda, los ejes Hours practiced y Score, y el título indicado a continuación.

Para otra escuela y 95:

The line explains 98.6% of the scores
Hours for a score of 95: 9.27
Warning: outside the data, which runs from 0.5 to 8.0 hours

Después, Coddy describe el gráfico, que se ve así:

A chart titled Practice for a Score of 95: twelve learners as dots rising from 45 to 88 points between 0.5 and 8 hours, a fitted line across them, and one orange Needed dot at 9.27 hours and 95 points, past the last learner

Pruébalo tú mismo

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

practice = pd.read_csv("practice.csv")
target = int(input())

# Escribe tu código a continuación

Todas las lecciones de Estadística para ML

1Centro y dispersión

Media y medianaPercentiles y cuartilesVarianza y desviación estándar¿Muestra o población?El valor más frecuenteRepaso: tiempos de entrega

4Muestras y poblaciones

Población y muestraLas medias muestrales varíanLa distribución muestralMuestras más grandes, menos ruidoRepaso: Encuestar a un pueblo

7Líneas de tendencia

ResiduosAjuste por mínimos cuadradosTrazar el ajustePredecir con una línea¿Qué tan bueno es el ajuste?Repaso: horas de práctica

10Codificación de categorías

Categorías como númerosCodificación one-hotAgrupación de números en intervalosRepaso: anuncios de autos

2Distribuciones

Histogramas de densidadFormas de los datosCurva normalRegla del 68-95-99,7Puntuaciones zRepaso: duración de la batería

5Valores atípicos

Diagramas de cajaLa regla del RICLa regla del valor ZTratamiento de valores atípicosRepaso: fallos de los sensores

8Comparación de grupos

Diagramas de caja por grupoDiferencia de medias¿Podría ser azar?Valores pLa prueba tRepaso: prueba A/B

11Exploración de un conjunto de datos

Una primera miradaTodas las características a la vezCaracterísticas frente a la etiquetaLas dos mejores característicasRepaso: datos sobre la diabetes

3Probabilidad mediante simulación

La probabilidad como frecuenciaLa ley de los grandes númerosSuma de dadosValor esperadoProbabilidad condicionalRepaso: probabilidades del puesto de dados

6Relaciones

Lectura de diagramas de dispersiónCorrelaciónMatriz de correlaciónMapas de calor de correlaciónCorrelación no es causalidadRepaso: helado y sol

9Escalado de características

Por qué escalar las característicasEscalado mín-máxEstandarizaciónStandardScalerRepaso: compañeros de escalada

12Desafíos finales

Retrasos de trenesCalidad del aireQuímica del vinoEncuesta clínica

Practica por tu cuenta: Compilador de Python online