Este dataset es un ejercicio del curso de Machine Learning de Andrew Ng. Consiste en un conjuto de datos de 2 variables:
- Resultado de test 1 a un microchip
- Resultado de test 2 a un microchip
- Resultado si fue el chip fue aceptado
El dataset consiste en 118 datos.
Ver ranking.
Los datos se encuentran en los siguientes archivos CSV:
train-set.csvtest-set.csv
- Features: Las primeras 2 columnas del csv son los resultados del test 1 y test 2 correspondientemente.
- Labels: La última columna indica la clase (si fue o no rechazado 1 o 0).
Crear un algortimo que tome como input un los resultados de los tests y retorne si el microchip fue aceptado o no. Solo se pueden utilizar los datos del train-set.csv para entrenar.
El performance se debe medir con respecto a los datos del test-set.csv utilizando la siguiente formula
score = n_aciertos / n_total * 100donde n_aciertos es el numero de imagenes clasificadas de forma correcta y n_total es el numero total de muestras en el test-set.
Ver procedimiento de solucion.
Indica los requerimientos para utilizar el codigo de tu solucion.
Indica el procedimiento que se debe seguir para reproducir tu solucion.
Indica el metodo que utilizaste para solucionar el reto.
Indica el metodo que utilizaste para solucionar el reto.
Para resolver este reto primero has un fork de este repositorio y clona el fork en tu maquina.
git clone https://github.com/{username}/supervised-basico-microchip-tests
cd supervised-basico-microchip-testsNota: reemplaza {username} con tu nombre de usuario de Github.
Para descargar y visualizar los datos necesitas Python 2 o 3. Las dependencias las puedes encontrar en el archivo requirements.txt. Puedes instalarlas fácilmente utilizando el commando
pip install -r requirements.txtDependiendo de tu entorno puede que necesites instalar paquetes del sistema adicionales, si tienes problemas revisa la documentación de estas librerías.
Para iniciar con este reto puedes correr el codigo de Python en Jupyter del archivo python-sample.ipynb. Este código que ayudará a cargar y visualizar algunas imágenes. Las dependencias son las mismas que se instalaron durante la descarga de los datos, ver Requerimientos.
Para iniciar el código solo hay que prender Jupyter en esta carpeta
jupyter notebook --NotebookApp.iopub_data_rate_limit=1.0e10y abrir el archivo python-sample.ipynb.