Objetivos

  • Aplicar k-vecinos más cercanos para clasificar entre las 10 categorías de dígitos.
  • Optimizar el parámetro k utilizando la biblioteca scikit-learn.
  • Implementar un clasificador que utilice densidades de probabilidad estimadas mediante ventanas de Parzen.
  • Analizar cómo influye el núcleo utilizado en la estimación de las densidaes.
  • Implementar el algoritmo de clustering k-means.
  • Realizar agrupamiento de datos utilizando Expectation Maximization para encontrar los parámetros de una mezcla de gaussianas.


    Instalación:

    Descargar el .zip correpondiente al práctico 7 y descomprimirlo. Luego abrir una terminal (o Anaconda Prompt en Windows) y  moverse a la carpeta práctico 7. Allí ejecutar jupyter notebook.

    cd /camino/a/practico7
    jupyter notebook
    Se abrirá un explorador en donde se podrá elegir el notebook correspondiente a este práctico.

    Última modificación: miércoles, 8 de noviembre de 2023, 00:46