WEBVTT

00:00:10.419 --> 00:00:13.689
Esta presentación es llevada hasta ustedes por el Stanford Center for Professional

00:00:13.689 --> 00:00:20.689
development

00:00:23.579 --> 00:00:26.800
Ok, buenos dias y bienvenidos nuevamente

00:00:26.800 --> 00:00:30.619
a la tercer lectura de esta clase.

00:00:30.619 --> 00:00:33.360
lo que quiero hacer el día de hoy

00:00:33.360 --> 00:00:34.320
y algunos de

00:00:34.320 --> 00:00:37.920
los temas que desarrollaré hoy pueden parecer que voy saltando, sin orden,

00:00:41.980 --> 00:00:44.360
hablado acerca

00:00:44.360 --> 00:00:48.390
de la regresión lineal y hoy quiero hablar sobre

00:00:48.390 --> 00:00:52.290
un tipo de adaptación llamada "regresion de pesos locales". Es un algoritmo muy popular

00:00:52.290 --> 00:00:57.120
Es uno de los algoritmos favoritos de mi mentor

00:00:57.120 --> 00:01:02.170
Luego hablaremos de la interpretacion probabilistica de la regresion lineal.

00:01:02.170 --> 00:01:07.468
Y usaremos esta en nuestro primer algoritmo de classificacion:

00:01:07.468 --> 00:01:10.698
Regresion Lineal (Logistic Regression)

00:01:11.046 --> 00:01:13.426
luego hablaremos del algoritmo de perceptron (perceptron algorithm)

00:01:13.426 --> 00:01:16.306
el cual revizaremos de nuevo en este semestre

00:01:16.306 --> 00:01:19.636
Y si el tiempo lo permite, espero explicar el metodo de Newton (Newton's method)

00:01:19.731 --> 00:01:23.151
un algoritmo para entrenar la regression lineal

00:01:23.340 --> 00:01:28.120
Repasemos, lo que deciamos en la clase anterior

00:01:29.364 --> 00:01:33.364
Recuerden las definiciones que utilize

00:01:33.773 --> 00:01:38.333
Yo utilize x sub i

00:01:38.779 --> 00:01:42.039
para denotar la i-ava muestra de entramiento

00:01:49.104 --> 00:01:52.164
Cuando hablamos de regresion lineal

00:01:52.184 --> 00:01:54.754
o minimos cuadrados ordinarios (ordinary least squares)

00:01:54.954 --> 00:01:56.314
utilizamos 'esto' para definir

00:01:56.333 --> 00:01:57.633
el valor que predecimos

00:01:57.745 --> 00:02:00.695
como resultado de evaluar mi hipotesis H con

00:02:00.774 --> 00:02:02.064
la entrada x sub i