Análisis con Python uso Biblioteca Scikit-learn en el Apredizaje Automatico

 

Uso Biblioteca Scikit-learn en el Apredizaje Automatico.ipynb

Volver

Análisis con Python uso Biblioteca Scikit-learn en el Apredizaje Automatico

Paso 1: Instalación de Scikit-learn

Primero, necesitas tener instalado scikit-learn. Si aún no lo tienes, puedes instalarlo usando pip:

pip install -U scikit-learn

RESULTADO:

Requirement already satisfied: scikit-learn in /usr/local/lib/python3.10/dist-packages (1.2.2)

Collecting scikit-learn

  Downloading scikit_learn-1.3.2-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (10.8 MB)

     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 10.8/10.8 MB 40.7 MB/s eta 0:00:00

Requirement already satisfied: numpy<2.0,>=1.17.3 in /usr/local/lib/python3.10/dist-packages (from scikit-learn) (1.23.5)

Requirement already satisfied: scipy>=1.5.0 in /usr/local/lib/python3.10/dist-packages (from scikit-learn) (1.11.4)

Requirement already satisfied: joblib>=1.1.1 in /usr/local/lib/python3.10/dist-packages (from scikit-learn) (1.3.2)

Requirement already satisfied: threadpoolctl>=2.0.0 in /usr/local/lib/python3.10/dist-packages (from scikit-learn) (3.2.0)

Installing collected packages: scikit-learn

  Attempting uninstall: scikit-learn

    Found existing installation: scikit-learn 1.2.2

    Uninstalling scikit-learn-1.2.2:

      Successfully uninstalled scikit-learn-1.2.2

Successfully installed scikit-learn-1.3.2

Paso 2: Importar las Librerías Necesarias

Importamos las librerías necesarias para nuestro proyecto: Scikit-learn

import numpy as np

import pandas as pd

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LinearRegression

from sklearn.metrics import mean_squared_error

Paso 3: Creación del Dataset Ficticio

Vamos a crear un conjunto de datos ficticio. Imaginemos que estamos tratando de predecir el rendimiento académico de estudiantes basado en horas de estudio y asistencia a clases.

# Crear datos ficticios

np.random.seed(0)

horas_estudio = np.random.normal(5, 2, 100)

asistencia = np.random.normal(8, 2, 100)

rendimiento = horas_estudio * 2 + asistencia * 1.5 + np.random.normal(0, 2, 100)

 

# Crear DataFrame

df = pd.DataFrame({'Horas de Estudio': horas_estudio, 'Asistencia': asistencia, 'Rendimiento': rendimiento})

Paso 4: Dividir los Datos en Entrenamiento y Prueba

Dividimos el dataset en un conjunto de entrenamiento y otro de prueba:

X = df[['Horas de Estudio', 'Asistencia']]

y = df['Rendimiento']

 

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

Paso 5: Entrenar un Modelo

Utilizaremos un modelo de regresión lineal:

RESULTADO:

LinearRegression

LinearRegression()Paso 7: Uso del Modelo

Podemos usar el modelo para realizar predicciones con nuevos datos.

 

Descarga del Dataset y el Script

Voy a generar un archivo CSV con los datos ficticios y el script de Python para que puedas descargarlos.

 

Primero, crearé y guardaré el dataset en un archivo CSV.

 

El dataset ficticio está listo. Puedes descargarlo haciendo clic en el siguiente enlace:

Paso 6: Evaluar el Modelo

Evaluamos el modelo usando el conjunto de prueba:

predicciones = modelo.predict(X_test)

mse = mean_squared_error(y_test, predicciones)

print(f"Error cuadrático medio: {mse}")

RESULTADO:

Error cuadrático medio: 3.961581859387936

Paso 7: Uso del Modelo

Podemos usar el modelo para realizar predicciones con nuevos datos.

Descarga del Dataset y el Script

Voy a generar un archivo CSV con los datos ficticios y el script de Python para que puedas descargarlos.

Primero, crearé y guardaré el dataset en un archivo CSV.

El dataset ficticio está listo. Puedes descargarlo haciendo clic en el siguiente enlace:

Descargar Dataset Ficticio

Ahora, voy a proporcionarte el script de Python que puedes usar para trabajar con este dataset. Puedes copiar y pegar este código en tu entorno de desarrollo Python:

import pandas as pd

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LinearRegression

from sklearn.metrics import mean_squared_error

 

# Cargar datos

df = pd.read_csv('/dataset_ficticio_estudiantes.csv') # Cambia esto por la ruta donde guardaste el archivo

 

# Dividir los datos en entrenamiento y prueba

X = df[['Horas de Estudio', 'Asistencia']]

y = df['Rendimiento']

 

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

 

# Entrenar un modelo

modelo = LinearRegression()

modelo.fit(X_train, y_train)

 

# Evaluar el modelo

predicciones = modelo.predict(X_test)

mse = mean_squared_error(y_test, predicciones)

print(f"Error cuadrático medio: {mse}")

RESULTADO:

Error cuadrático medio: 3.961581859387936

Este script incluye todo lo necesario para cargar el dataset, dividirlo en conjuntos de entrenamiento y prueba, entrenar un modelo de regresión lineal y evaluar su rendimiento.

Conclusión

Scikit-learn es una herramienta fundamental en el aprendizaje automático, especialmente para aquellos que se inician en este campo o para proyectos que no requieren de procesamiento a gran escala. Su simplicidad, junto con su poderosa funcionalidad, la hacen una elección excelente para la educación, la investigación y el desarrollo de prototipos en machine learning. Sin embargo, es importante tener en cuenta sus limitaciones en términos de escalabilidad y manejo de grandes volúmenes de datos en entornos de producción.

Reflexiones

Facilidad de Uso

Intuitiva y Accesible: Scikit-learn es notable por su facilidad de uso y su interfaz intuitiva. Permite a los usuarios, incluso a aquellos con menos experiencia en programación, desarrollar modelos de aprendizaje automático eficientes.

Documentación Amplia: La librería cuenta con una documentación extensa y ejemplos prácticos que facilitan el aprendizaje y la aplicación de técnicas de machine learning.

Versatilidad y Variedad de Herramientas

Amplia Gama de Modelos: Desde modelos lineales hasta algoritmos de clustering, pasando por reducción de dimensionalidad, scikit-learn ofrece una amplia variedad de algoritmos.

Preprocesamiento y Selección de Características: La librería incluye numerosas funciones para el preprocesamiento de datos y la selección de características, lo cual es crucial para mejorar el rendimiento de los modelos.

Comunidad y Soporte

Fuerte Comunidad: Al ser una de las librerías más populares, cuenta con una gran comunidad de usuarios y desarrolladores. Esto se traduce en un soporte constante y una evolución continua de la herramienta.

Colaboración y Mejora Continua: La naturaleza de código abierto de scikit-learn permite que investigadores y desarrolladores colaboren en su mejora, asegurando que la librería se mantenga al día con los avances más recientes en el campo del aprendizaje automático.

Rendimiento y Escalabilidad

Eficiencia en Datasets de Tamaño Moderado: Scikit-learn es muy eficiente para trabajar con datasets de tamaño pequeño a moderado.

Limitaciones en Escalabilidad y Grandes Datos: Aunque es una herramienta potente, puede presentar limitaciones al manejar conjuntos de datos de gran tamaño o al requerir procesamiento en tiempo real a gran escala.

Aplicabilidad en Educación e Investigación

Ideal para Fines Educativos y Experimentación: Dada su simplicidad y el amplio rango de algoritmos que ofrece, es ideal para fines educativos y para la investigación científica, como en tu caso para la elaboración de una tesis de maestría en educación superior.

Promueve la Comprensión del Aprendizaje Automático: Al trabajar con scikit-learn, se fomenta la comprensión profunda de los fundamentos del aprendizaje automático, ya que permite experimentar con distintos modelos y técnicas de una manera accesible.

Volver