| Tarea |
Responsables |
1. Obtener el conjunto de datos Iris
http://www.ics.uci.edu/~mlearn/databases/iris/ |
Todos |
2. Describir el conjunto de datos:
- Origen, atributos, clases
- "Scatter plot" de los datos
- Visualización del conjunto en 2D (PCA o MDS)
|
- Claudia Jeanneth Becerra Cortes
- Carlos Augusto Jimenez Millan
|
3. Árboles de decisión:
- Entrenar un árbol de decisión
- Describir el modelo obtenido
- Evaluar su desempeño
|
- Alix Erica Rojas Hernandez
- Rodolfo Alexander Torres Portilla
|
4. Red neuronal:
- Diseñar una red neuronal apropiada para resolver el problema
- Entrenarla
- Evaluar su desempeño
|
- Carmen Constanza Uribe Sandoval
- Diego Esteban Cruz Rojas
|
5. Naive Bayes:
- Entrenar un clasificador Naive Bayes
- Describir el modelo obtenido
- Evaluar su desempeño
|
- Sergio Gonzalo Jimenez Vargas
- Diego Esteban Cruz Rojas
|
6. Regresión Lineal:
- Plantear un modelo de regresión lineal para resolver
el problema de clasificación (una clase contra el resto,
multiclase)
- Encontrar los parámetros
- Evaluar su desempeño
|
- Jose Gomer David Gonzalez Hernandez
- Eduardo Javier Ortega Urrego
-
|
7. k-nearest neighbors (k vecinos más cercanos)
- Entrenar un clasificador k-nn
- Describir el modelo obtenido
- Evaluar su desempeño
|
- Jesus Alfredo Burbano Portilla
-
-
|
8. Support Vector Machine:
- Entrenar una SVM
- Describir el modelo obtenido
- Evaluar su desempeño
|
- Juan Carlos Galeano Huertas
-
-
|
9. AdaBoost:
- Entrenar un clasificador AdaBoost
- Describir el modelo obtenido
- Evaluar su desempeño
|
- Juan Carlos Caicedo Rueda
-
-
|
10. K-means:
- Agrupar los datos usando K-means
- Describir el agrupamiento obtenido
|
|
11. Agrupamiento jerarquico:
- Agrupar los datos usando agrupamiento jerárquico (single-link, complete-link)
- Describir el agrupamiento obtenido (dendograma)
|
- Giovanni Antonio Cantor Monroy
-
-
|