Primeros pasos con Spark y Pytorch usando Colab Part IX
En este artículo hablaré de Pytorch, Clasificación poder entender como funciona usando “Google Colab” como interface de desarrollo.
Regresión logística
La regresión logística es un algoritmo de clasificación utilizado para asignar observaciones a un conjunto discreto de clases.
A diferencia de la regresión lineal que genera valores numéricos continuos, la regresión logística transforma su salida utilizando la función sigmoid logística para devolver un valor de probabilidad que luego puede asignarse a dos o más clases discretas.
Casos de regresión logística
Binaria (gato / perro)
Multiple (gatos, perros, gallinas)
Ordinales (Bajo, Medio, Alto)
Tipos de regresión
Regresión Lineal : y = A + Bx
Regresión Logarítmica : y = A + BLn(x)
Regresión Exponencial : y = Ac(bx)
Regresión Cuadrática : y = A + Bx +Cx2
¿Qué es Google Colab?
Colaboratory es un entorno gratuito de Jupyter Notebook que no requiere configuración y que se ejecuta completamente en la nube.
ejemplo:
Kaggle Dataset
Instalación Colab
Importar Librerías
Spark Session
Load Dataset
Columnas Numéricas
Preprocesamiento
Tuberías
Separan 70–30 dataset
Transformar vector a numpy array
Transformar numpy array a Tensor
Parámetros
Modelo
Perdida y optimización CrossEntropyLoss
Función predictor
Función entrenamiento
Función prueba
Entrenamiento del modelo
Visualización entrenamiento y prueba
Visualización accuracy
Predicción
Accuracy Score
Confusión Matrix
Clasificación Report
LIBRO DE AYUDA
CONCLUSIÓN
Espero les haya gustado este artículo de Pytorch y Colab y el uso de clasificación usando Pytorch y Spark para procesamiento y transformación de datos.
Esto ayuda sorprendente mente en la experimentación rápida con los datos.
A continuación estaré publicando algunos artículos más específicos para PyTorch hasta crear pequeñas aplicaciones , así como jugar con la imaginación de crear algo.
Continuar leyendo
pytorch Part 8( aquí)
pytorch Part 10( pronto)
REFERENCIAS
- https://geekytheory.com/apache-spark-que-es-y-como-funciona
- https://documen.tician.de/pycuda/
- https://deepsense.ai/keras-or-pytorch/
linkedin:
