Loading repository data…
BiancaLarrazabal-code / repository
Un proyecto de ciencia de datos que utiliza el algoritmo Isolation Forest en Python para identificar valores atípicos en datos. El código demuestra la aplicación práctica de machine learning no supervisado.
A transparent discovery signal based on current public GitHub metadata.
This score does not audit code, security, maintainers, documentation quality, or suitability. Verify the repository and its current documentation before adoption.
Este es un proyecto de ciencia de datos que se enfoca en la detección de valores atípicos (anomalías) utilizando técnicas de aprendizaje no supervisado. El código implementa el algoritmo Isolation Forest de la biblioteca scikit-learn para identificar puntos de datos inusuales que se desvían de la norma.
El objetivo principal de este proyecto es demostrar la capacidad de identificar patrones inusuales en grandes conjuntos de datos. En el contexto del marketing digital, esta técnica tiene un valor inmenso:
El repositorio contiene el siguiente archivo principal:
El código está diseñado para ser claro y fácil de seguir, con comentarios que explican cada paso del proceso.
El proyecto genera dos gráficos principales:
El código también incluye una visualización en 3D para ilustrar cómo el modelo puede trabajar con datos más complejos.
Para ejecutar el código, necesitas tener Python y las librerías mencionadas instaladas. Puedes ejecutar el archivo detector.py desde tu terminal o un entorno de desarrollo.
python detector.py
Selected from shared topics, language and repository description—not editorial ratings.
ezebinker /
Este proyecto desarrollado en Python sobre el IDE Jupyter Notebook, tiene por objetivo realizar un análisis de datos sobre los diferentes valores expuestos públicamente por el BCRA (Banco Central de la República Argentina)
32/100 healthHectorAyusoMartin /
Proyecto de Machine Learning, en Python, creado con Jupyter Notebook, donde con un DF de precios de cierre de Etherum, extraído de Kaggle, y un modelo tipo Sequential, es capaz de predecir precios futuros.
37/100 healthRubenTinoco /
Proyecto colaborativo de Data Analytics enfocado en la detección de sitios web de phishing, aplicando GitHub, Conda, Jupyter Notebooks e ipywidgets dentro de un flujo de trabajo reproducible.
49/100 healthJavierMtech /
Pequeño proyecto de análisis de datos sobre un dataset de ríos aleatorios. Se usa Python y SQL. Presentados en Jupyter Notebook. Visualización final en Power BI.
42/100 healthMACampaUniversidad /
Este proyecto realizado en python utiliza la libreria pandas, seaborn, y mathplot para representacón. Se trata de obtener un modelo predictivo para precedir la supervivencia de pasajeros del titanic. Para la visualizacion y ejecución de los datos se ha utilizado Jupyter notebooks. Se puede encontrar una version python del script principal Titanic.py y un cuaderno jupyter denominado Titanic_jupyter.ipynb
27/100 healthFelipe-HCR /
Repositorio para el proyecto donde creé un modelo de machine learning para encontrar patrones y comprender las preferencias de los pasajeros y el impacto de los factores externos en los viajes en taxi en la ciudad de Chicago usando datos históricos y herramientas como Python, Pandas, SQL, Matplotlib, Jupyter Notebook y Scipy-stats.
34/100 health