1
00:00:10,419 --> 00:00:13,689
Esta presentación es llevada hasta ustedes por el Stanford Center for Professional

2
00:00:13,689 --> 00:00:20,689
development

3
00:00:23,579 --> 00:00:26,800
Ok, buenos dias y bienvenidos nuevamente

4
00:00:26,800 --> 00:00:30,619
a la tercer lectura de esta clase.

5
00:00:30,619 --> 00:00:33,360
lo que quiero hacer el día de hoy

6
00:00:33,360 --> 00:00:34,320
y algunos de

7
00:00:34,320 --> 00:00:37,920
los temas que desarrollaré hoy pueden parecer que voy saltando, sin orden,

8
00:00:41,980 --> 00:00:44,360
hablado acerca

9
00:00:44,360 --> 00:00:48,390
de la regresión lineal y hoy quiero hablar sobre

10
00:00:48,390 --> 00:00:52,290
un tipo de adaptación llamada "regresion de pesos locales". Es un algoritmo muy popular

11
00:00:52,290 --> 00:00:57,120
Es uno de los algoritmos favoritos de mi mentor

12
00:00:57,120 --> 00:01:02,170
Luego hablaremos de la interpretacion probabilistica de la regresion lineal.

13
00:01:02,170 --> 00:01:07,468
Y usaremos esta en nuestro primer algoritmo de classificacion:

14
00:01:07,468 --> 00:01:10,698
Regresion Lineal (Logistic Regression)

15
00:01:11,046 --> 00:01:13,426
luego hablaremos del algoritmo de perceptron (perceptron algorithm)

16
00:01:13,426 --> 00:01:16,306
el cual revizaremos de nuevo en este semestre

17
00:01:16,306 --> 00:01:19,636
Y si el tiempo lo permite, espero explicar el metodo de Newton (Newton's method)

18
00:01:19,731 --> 00:01:23,151
un algoritmo para entrenar la regression lineal

19
00:01:23,340 --> 00:01:28,120
Repasemos, lo que deciamos en la clase anterior

20
00:01:29,364 --> 00:01:33,364
Recuerden las definiciones que utilize

21
00:01:33,773 --> 00:01:38,333
Yo utilize x sub i

22
00:01:38,779 --> 00:01:42,039
para denotar la i-ava muestra de entramiento

23
00:01:49,104 --> 00:01:52,164
Cuando hablamos de regresion lineal

24
00:01:52,184 --> 00:01:54,754
o minimos cuadrados ordinarios (ordinary least squares)

25
00:01:54,954 --> 00:01:56,314
utilizamos 'esto' para definir

26
00:01:56,333 --> 00:01:57,633
el valor que predecimos

27
00:01:57,745 --> 00:02:00,695
como resultado de evaluar mi hipotesis H con

28
00:02:00,774 --> 00:02:02,064
la entrada x sub i