MAT281 - Laboratorio N°13: Flujo de Trabajo con Scikit-Learn¶

Objetivos del laboratorio¶

• Comprender la API de scikit-learn: fit, predict, score.
• Separar los datos en conjuntos de entrenamiento y prueba.
• Construir la matriz de caracteristicas X y el vector objetivo y.
• Entrenar un primer modelo de clasificacion y otro de regresion.
• Aplicar preprocesamiento: estandarizacion y one-hot encoding.

Instrucciones¶

Lea con atencion cada problema antes de resolverlo. Reemplace cada celda que contiene # FIXME con su propia solucion y, cuando se solicite, responda las preguntas en celdas de texto.

Nota: Puede apoyarse en asistentes virtuales (ChatGPT, Gemini, Claude) o en el autocompletado de Colab, pero asegurese de entender cada linea de codigo que entregue.

In [ ]:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler

Problema 01 — Matriz de caracteristicas y vector objetivo¶

Usaremos el dataset Iris, incluido en scikit-learn.

Tu tarea:

1. Carga Iris con load_iris(as_frame=True).
2. Separa la matriz de caracteristicas X (las 4 medidas) del vector objetivo y (la especie).
3. Reporta las dimensiones (shape) de X e y y cuantas clases hay.

In [ ]:

from sklearn.datasets import load_iris

iris = load_iris(as_frame=True)
# FIXME

from sklearn.datasets import load_iris iris = load_iris(as_frame=True) # FIXME

Problema 02 — Train/test split¶

Tu tarea:

1. Divide los datos en 80% entrenamiento y 20% prueba con train_test_split (usa random_state=42 y stratify=y).
2. Pregunta: ¿por que es importante evaluar el modelo en datos que no se usaron para entrenar?

In [ ]:

# FIXME

# FIXME

Respuesta (Problema 02): (escribe aqui)

Problema 03 — Tu primer clasificador¶

Tu tarea:

1. Entrena un modelo KNeighborsClassifier sobre el conjunto de entrenamiento (fit).
2. Predice sobre el conjunto de prueba (predict).
3. Reporta la exactitud (accuracy_score) y la matriz de confusion.

In [ ]:

from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score, confusion_matrix

# FIXME

from sklearn.neighbors import KNeighborsClassifier from sklearn.metrics import accuracy_score, confusion_matrix # FIXME

Problema 04 — Estandarizacion¶

Muchos modelos requieren que las variables esten en la misma escala.

Tu tarea:

1. Aplica StandardScaler: ajusta (fit) solo con el train y transforma train y test.
2. Reentrena el KNN con los datos escalados y compara la exactitud con la del problema anterior.
3. Pregunta: ¿por que el scaler se ajusta solo con el train?

In [ ]:

# FIXME

# FIXME

Respuesta (Problema 04): (escribe aqui)

Problema 05 — One-Hot Encoding¶

Tu tarea: dado el mini DataFrame con una variable categorica:

1. Transforma la columna color a variables dummy con pd.get_dummies (o OneHotEncoder).
2. Pregunta: ¿por que no podemos pasar texto directamente a un modelo de scikit-learn?

In [ ]:

demo = pd.DataFrame({'color': ['rojo','verde','azul','rojo','azul'],
                     'precio': [10, 12, 9, 11, 8]})
# FIXME

demo = pd.DataFrame({'color': ['rojo','verde','azul','rojo','azul'], 'precio': [10, 12, 9, 11, 8]}) # FIXME

Respuesta (Problema 05): (escribe aqui)