Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • Actividad 1 Machine Learning

    Cargado por

    gilbert velasco
    14 vistas1 página
    El documento instruye realizar un análisis exploratorio de datos de un conjunto de datos de precios de viviendas. Se debe describir los datos faltantes por variable, explicar cómo se manejaron variables con más del 20% de datos faltantes, resumir la limpieza de datos realizada, y calcular promedios y correlaciones, especialmente con el precio de venta. El resultado debe publicarse en GitHub.

    Descripción original:

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Denunciar este documento
    El documento instruye realizar un análisis exploratorio de datos de un conjunto de datos de precios de viviendas. Se debe describir los datos faltantes por variable, explicar cómo se manejaron variables con más del 20% de datos faltantes, resumir la limpieza de datos realizada, y calcular promedios y correlaciones, especialmente con el precio de venta. El resultado debe publicarse en GitHub.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    14 vistas1 página

    Actividad 1 Machine Learning

    Cargado por

    gilbert velasco
    El documento instruye realizar un análisis exploratorio de datos de un conjunto de datos de precios de viviendas. Se debe describir los datos faltantes por variable, explicar cómo se manejaron variables con más del 20% de datos faltantes, resumir la limpieza de datos realizada, y calcular promedios y correlaciones, especialmente con el precio de venta. El resultado debe publicarse en GitHub.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    de 1

    - En un jupyter Notebook,

    Hacer un analisis descriptivo y exploratorio


    de Los datos al interior del data set asignado.

    - Describir cuantos datos faltantes tuvo cada variable.

    - Describir que se hizo con las variables que tenian bastantes datos faltantes ( mas del 20 %
    dentro de la columna)

    - Si se debio hacer limpieza de datos


    se debe explicar que metodologia se
    uso para transformar las variables
    y dejar las datos listos. Ademas de
    resumir el estado original de las variables
    (cantidad de atipicos, cantidad de datos faltantes etc).

    - Calcular promedios y correlaciones de las variables especialmente con respecto a la variable


    SalePrice.
    - Utilizar PCA es un plus sin embargo debe ser interpretado.

    El resultado debe ser colgado en un Repositorio publico de GitHub.

    Data set:

    https://www.kaggle.com/c/house-prices-advanced-regression-techniques/data

    - train.

    También podría gustarte