luisbalru/machine-learning

Repositorio para las prácticas de Aprendizaje Automático 2019. Grado en Ingeniería Informática. UGR

machine-learning's Issues

Doc

Considerar f y resolver los apartados

• Minimizar la función con distintos puntos iniciales y learning rate
• Generar tabla con valores obtenidos

Experimento

Parte 1

Contenido

• Leer la base de datos de iris que hay en scikit-learn
• Obtener las características (datos de entrada X) y la clase (y)
• Quedarse con las dos últimas características
• Visualizar con un scatter plot los datos, coloreando cada clase con un color diferente (rojo, verde y azul) e indicando con una leyenda la clase a la que corresponde cada color)

Parte 2

• Separar en training (80 % de los datos) y test (20 %) aleatoriamente conservando la proporción de elementos en cada clase tanto en training como en test.

Parte 3

• Obtener 100 valores equiespaciados entre 0 y 2$\pi$
• Obtener el valor de $sin(x)$, $cos(x)$ y $sin(x)+cos(x)$ para los 100 valores anteriormente calculados.
• Visualizar las tres curvas simultáneamente en el mismo plot (con líneas discontinuas en negro, azul y rojo).

Definición del algoritmo de Pseudoinversa

Implementar el algoritmo de GD

Bonus

Definición del SGD

Considerar la función E y resolver los apartados asociados

• Calcular analíticamente y mostrar el gradiente de E
• Iteraciones para 10^(-14)
• Coordenadas para 10^(-14)