Aprendizaje Supervisado

Resultados de Pruebas de Regresión

Pruebas con el Boston Dataset

El dataset contiene 506 registros.

Los datos corresponden a las siguientes variables,siendo medv la variable de objetivo o independiente:

crim: crímenes per cápita por ciudad.

zn: proporción de terrenos residenciales divididos en zonas para lotes de más de 25,000 pies cuadrados.
indus: proporción de acres de negocios no minoristas por ciudad.
chas: variable ficticia de Charles River (= 1 si el tramo limita con el río, 0 de lo contrario).
nox: concentración de óxidos nítricos (partes por 10 millones.
rm: número promedio de habitaciones por vivienda.
age: proporción de unidades ocupadas por sus propietarios, construidas antes de 1940.
dis: distancias ponderadas a cinco centros de empleo de Boston.
rad: índice de accesibilidad a carreteras.
tax: tasa de impuesto a la propiedad de valor total por $ 10,000.
ptratio: proporción de alumnos por maestro por ciudad.
B: 1000(Bk - 0.63)^2 donde Bk es la proporción de personas de color por ciudad.
lstat: porcentaje de personas de bajo status.
medv: Valor medio de las viviendas ocupadas por sus propietarios en miles de dólares.
 Resultados de Pruebas de Regresión
Pruebas con el Boston Dataset y sklearn

Variables Repeticiones R2 Ajustado

Todas Finitas y sin warm R2 <= 0.32
Todas Infinito y sin warm 0.34 <= R2 <= 0.39
Rm,lstat,dis,crim y Infinito y warm 0.61 <= R2 <= 0.74
ptratio
Rm, lstat,dis,crim y Infinito y sin warm 0.64 <= R2 <= 0.74
ptratio
Rm,dis,lstat y crim Infinito y warm 0.50 <= R2 <= 0.65
Rm,lstat y dis Infinito y warm 0.58 <= R2 <= 0.76
Rm y lstat Infinito y warm 0.67 <= R2 <= 0.74
Rm, lstat,indus Infinito y warm 0.66 <= R2 <= 0.71
Todas Finitas y sin warm No crea buen
(propio programa) modelo
 Referencias
http://quegrande.org/apuntes/EI/2/SC/teoria/red_de_hopfield_y_crecimiento_de_redes.pdf
https://eprints.ucm.es/id/eprint/46536/1/T40583.pdf
http://www.lcc.uma.es/~jmortiz/archivos/Tema3.pdf
https://ccc.inaoep.mx/~pgomez/cursos/redes%20neuronales%20artificiales/presentaciones/hopfield.pdf

https://kripkit.com/red-de-hopfield/
https://oa.upm.es/43404/7/PFC_GERMAN_ALVAREZ_ALBA_2016.pdf
http://jupiter.utm.mx/~tesis_dig/11612.pdf
https://thales.cica.es/rd/Recursos/rd98/TecInfo/07/ejemplo.htm

Cualquier libro, página web, blog, paper o pdf que trate las Redes Neuronales Artificiales.

Martin Hagan, Howard Demuth y Mark Beale. Neural Network Design. PWS Publishing Company, 1996.

José Hilera y Victor Martínez. Redes Neuronales Artificiales, Fundamentos, Modelos y Aplicaciones. Alfaomega
RA-MA, 2000
.
Simon Haykin. Neural Networks.A Comprehensive Foundation. MacMillan Publishing.

Robert Hecht-Nielsen. Neuroncomputing.Addison Wesley.

Bart Kosko. Neural Networks and Fuzzy Systems. Prenticell Hall.