Machine Learning

Publicaciones, tutoriales, pruebas de concepto y artículos en general

Publicaciones y tutoriales

Cargar más

Publicaciones recientes

Java

Exportar modelo de Machine Learning de Python a Java

Antony García González - 0
En este post, te mostraré cómo entrenar un modelo de Machine Learning en Python utilizando Sklearn y cómo exportarlo como código ejecutable en Java. Es...

Análisis de datos de mamografías con Machine Learning

Convertir modelo de Machine Learning en código ejecutable en Python

Redes Neuronales con Tensorflow en Python

Implementación del Modelo Oculto de Markov en Python

Cargar más

Temas populares

Cargar más

Pruebas de concepto

En esta sección publicaré los resultados obtenidos con distintos algoritmos de Machine Learning sobre el dataset MNIST, el cual está formado por imágenes de números manuscritos. En total son 60,000 imágenes para entrenamiento y 10,000 imágenes de prueba. Sin embargo, debido a que el archivo CSV con las 60,000 imágenes de entrenamiento supera 100 MB, en mis pruebas estaré utilizando 50,000 imágenes para no tener problemas a la hora de subir los resultados a nuestro repositorio de Github.

Los resultados aquí presentados se obtuvieron bajo las siguientes condiciones:

    • Datos de entrenamiento: 50,000
    • Datos de prueba: 10,000
    • Lenguaje de programación: Python
    • Sistema operativo: Windows 10
    • Memoria RAM: 32 GB
    • Procesador: Intel Core i7-7700HQ CPU @ 2.80 GHz. 4 núcleos físicos y 8 núcleos lógicos.

Todos y cada uno de los resultados aquí presentados han sido discutidos en publicaciones en este blog. Los scripts estarán disponibles en nuestro repositorio de Github. Los enlaces directo a cada script estarán disponibles en la última columna de la tabla que presentaremos a continuación.

wdt_ID Algorithm Library Hyperparameters Accuracy Training time Testing time Test type Github script
1 Random Forest Sklearn n_estimators=200 97.02% 77,59 193,28 One by one
3 Random Forest Sklearn default 96.82% 38,33 106,40 One by one
4 Support Vector Machine Sklearn default 97.84% 149,73 101,14 One by one
5 Support Vector Machine Sklearn kernel="linear" 93.87% 171,35 52,69 One by one
6 Support Vector Machine Sklearn kernel="poly" 97.53% 182,62 53,19 One by one
7 Support Vector Machine Sklearn kernel="sigmoid" 78.16% 262,42 94,53 One by one
8 Support Vector Machine Sklearn kernel="poly", degree=2 97.59% 149,37 53,10 One by one
9 Random Forest Sklearn n_estimators=500, max_depth=30,min_samples_split=2 97.04% 213,92 464,18 One by one
10 AdaBoostClassifier Sklearn default 73.89% 41,40 1,15 Overall
12 BaggingClassifier Sklearn default 93.03% 131,98 0,46 Overall

Publicaciones más populares

Post más comentados

Últimas publicaciones

Si te interesa contactarnos, te invitamos a que nos sigas en nuestras redes sociales. También nos puedes escribir a nuestra dirección de correo electrónico:

[email protected]

2013 - 2022 | La propiedad intelectual de este sitio web pertenece a Panama Hitek, S.A., empresa legalmente constituida en la República de Panamá.

Terms and Conditions - Privacy Policy