Métricas de Regresión

Código
Avanzado
ScikitLearn
Curso de ScikitLearn
30 min
200 XP
Actualizado: 28/02/2025

¡Programa y certifícate!

Asistente de IA
Solución de código
Certificado
Empezar ejercicio

Descripción

Desarrollo de métricas de regresión con Scikit-Learn.

Este reto se centra en evaluar un modelo de regresión lineal simple utilizando diversas métricas de desempeño en Python con Scikit-Learn. Con un dataset sintético, establecerás y evaluarás el modelo, calculando métricas de error comunes para entender la precisión de tus predicciones.

Guarda tu progreso

Inicia sesión para no perder tu progreso y accede a miles de tutoriales, ejercicios prácticos y nuestro asistente de IA.

Progreso guardado
Asistente IA
Ejercicios
Iniciar sesión gratis

Más de 25.000 desarrolladores ya confían en CertiDevs

Para este ejercicio, puedes utilizar el dataset load_diabetes de sklearn.datasets, que nos proporciona datos de diabetes comúnmente usados para tareas de regresión.

  1. Carga de datos: Usa el conjunto de datos de diabetes que proporciona sklearn.datasets.load_diabetes.
  2. División de datos: Separa los datos en conjuntos de entrenamiento y prueba utilizando train_test_split, dejando un 80% para entrenamiento y un 20% para prueba.
  3. Creación del modelo: Implementa un modelo de Regresión Lineal
  4. Entrenamiento del modelo: Entrena el modelo con los datos de entrenamiento.
  5. Predicciones: Realiza predicciones sobre el conjunto de datos de prueba.
  6. Cálculo de métricas
    1. Calcula y muestra el Error Medio Absoluto (MAE)
    2. Error Cuadrático Medio (MSE)
    3. Coeficiente de Determinación (R²).

Solución al ejercicio de programación en ScikitLearn

Contenido bloqueado

¡Desbloquea la solución completa!

Completa el ejercicio de programación en ScikitLearn para acceder a la solución paso a paso, explicaciones detalladas y mejores prácticas.

solution.js
JavaScript
1 function solveChallenge ( input ) {
2 // Algoritmo optimizado O(n log n)
3 const data = parseInput ( input );
4 const sorted = data . sort (( a , b ) => a - b );
5
6 // Aplicar técnica de dos punteros
7 let left = 0 , right = sorted . length - 1 ;
8 const result = [];
9
10 while ( left < right ) {
11 const sum = sorted [ left ] + sorted [ right ];
12 if ( sum === target ) {
13 result . push ([ sorted [ left ], sorted [ right ]]);
14 left ++; right --;
15 } else if ( sum < target ) {
16 left ++;
17 } else {
18 right --;
19 }
20 }
21
22 return result ;
23 }
Código completo
Explicaciones
Mejores prácticas
+1.200 developers han resuelto este ejercicio de programación

Practica con ejercicios de programación en ScikitLearn

Mejora tus habilidades con cientos de ejercicios de práctica, recibe retroalimentación instantánea y obtén tu certificación cuando estés listo.

Asistente de IA

Aprende de tus errores

Progreso

Mide tu avance

Certificación

Valida tus habilidades

Únete a miles de desarrolladores mejorando sus habilidades en ScikitLearn

⭐⭐⭐⭐⭐
4.9/5 valoración