Tamaño de fuente
  • A-
  • A
  • A+
Color del sitio
  • R
  • A
  • A
  • A
Salta al contenido principal
EVA PUCE POSGRADOS MAESTRIASENLINEA 2025-2025 EVA PUCE POSGRADOS MAESTRIASENLINEA 2025-2025
  • Página Principal
  • Más
Español - Internacional ‎(es)‎
English ‎(en)‎ Español - Internacional ‎(es)‎
En este momento está usando el acceso para invitados
Acceder
Página Principal

Tarea 1 Clase 4 - Regresión Logística Binaria

  1. QUI/75/202502/V/EV/NV05/NV05-01-10/N0023-06/2104/TPR
  2. Tarea 1 Clase 4 - Regresión Logística Binaria
Requisitos de finalización
Hacer un envío

Tema

Regresión Logística Binaria

Instrucciones

Crea 3 modelos regresión logística sobre el dataset de iris de sklearn para clasificar entre versicolor y no versicolor cambiando el parametro C en cada uno de los modelos usando los siguientes valores [0.1, 10, 100] con que valor de C tienes más overfitting? Cuál es el valor de C más adecuado para prevenir el overfitting y tener un modelo con buena generalización?

 

Tips: Usa estas librerías y carga los datos de la siguiente manera

Tipo de entrega: Archivo .ipynb


Actividad previa Cuestionario Clase 3
Siguiente actividad Tarea 2 Clase 4 - Kerneralized Support Vector Classifier
PUCE Virtual Logo

CAMPUS VIRTUAL

  • → SOPORTE VIRTUAL

CONTACTOS

  • soportevirtual@puce.edu.ec
  • Tel: +593 99 715 1230
  • Sede Quito
    Avenida 12 de Octubre 1076 y
    Vicente Ramón Roca