Los objetos DataFrame de Pandas son unas estructuras de datos fantásticas para el análisis y manipulación de los datos. Facilitando muchas tareas en el día a día. Por ejemplo, cuando se necesita reemplazar ciertos registros en función de los valores de estos u otros, esto es, cuando se desea realizar un reemplazo condicional de valores.Conjunto de datos de ejemploEn … [Leer más...] acerca de Reemplazo condicional de valores en Pandas
Identificar el número de clústeres con Calinski-Harabasz en k-means e implementación en Python
Cuando se desea realizar análisis de clúster uno de los algoritmos más utilizados es k-means. Lo que se explica por los buenos resultados que suele ofrecer con la mayoría de los conjuntos de datos y su simplicidad. Pero tiene un problema, es necesario conocer el número de clústeres en los que se debe dividir el conjunto de datos. Por lo que existen diferentes métodos como el … [Leer más...] acerca de Identificar el número de clústeres con Calinski-Harabasz en k-means e implementación en Python
Cuatro aplicaciones de la Inteligencia Artificial en Sanidad
La inteligencia artificial (IA) está transformando la forma en que se abordan los problemas de salud. Produciendo importantes avances en el diagnóstico, tratamiento y prevención de enfermedades. En esta publicación vamos a mostrar algunas de las principales aplicaciones de la inteligencia artificial en sanidad.Diagnóstico y detección temprana de enfermedadesLa IA se … [Leer más...] acerca de Cuatro aplicaciones de la Inteligencia Artificial en Sanidad
Calcular diferencia entre elementos de un DataFrame con diff
En los objetos DataFrame de Pandas existe un método con el que se puede obtener la diferencia entre un elemento y el anterior, o cualquier otra posición. Este método es diff(). Su uso permite obtener la diferencia entre los elementos de un DataFrame, lo que se puede usar para ver de una forma rápida cómo crece o decrece una magnitud.El método diff() en PandasEl … [Leer más...] acerca de Calcular diferencia entre elementos de un DataFrame con diff
Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means
Posiblemente la técnica más utilizada para identificar el número óptimo de clústeres en los que dividir un conjunto de datos con K-means sea el método del codo (elbow method). Lo que se explica porque es un método intuitivo y fácil de implementar. Solamente hay que identificar el punto en el que la disminución de la varianza intra-clúster se desacelera, lo que indica que … [Leer más...] acerca de Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means
Cuatro Aplicaciones de la Inteligencia Artificial en la Moda
La industria de la moda es un sector en constante evolución, donde la innovación y la creatividad son esenciales para mantenerse al día con las tendencias y las demandas de los consumidores. Por eso la inteligencia artificial (IA) puede ayudar también a esta industria. En esta publicación analizaré cuatro posibles aplicaciones de la inteligencia artificial en la … [Leer más...] acerca de Cuatro Aplicaciones de la Inteligencia Artificial en la Moda
Acotar los valores en un DataFrame de Pandas
Existen diferentes motivos por los que puede ser necesario limitar o acotar los valores en un DataFrame. Por ejemplo, eliminar valores atípicos o garantizar la consistencia de los datos. Esto es algo que se puede conseguir mediante asignaciones condicionales de valores, aunque también existe el método clip() que lo permite hacer de una manera más legible y con la que es más … [Leer más...] acerca de Acotar los valores en un DataFrame de Pandas
Optimizar el número de clústeres con gap statistics
El mayor problema con el que nos podemos encontrar a la hora de usar el algoritmo de k-means es conocer el número de clústeres en los que se divide el conjunto de datos. Un hiperparámetro que en Scikit-learn debe ser indicado al construir el objeto. Por eso existen múltiples métodos para seleccionar este valor como los métodos del codo (elbow method), silueta (silhouette) o … [Leer más...] acerca de Optimizar el número de clústeres con gap statistics
Cuatro aplicaciones de la Inteligencia Artificial en Transporte y Logística
Las aplicaciones basadas en inteligencia artificial (IA) están revolucionando múltiples industrias en los últimos años, el transporte de mercancías y la logística no son una excepción. Siendo posible que en este sector una transformación sin precedentes en los próximos años. A continuación, se presentan cuatro de las principales aplicaciones de la inteligencia artificial en … [Leer más...] acerca de Cuatro aplicaciones de la Inteligencia Artificial en Transporte y Logística
Análisis de sentimientos en español con spaCy en Python
La semana pasada se vio cómo se puede realizar análisis se sentimientos en inglés con NLTK. A pesar de que NLTK es una librería muy potente, no cuenta con un lematizador para español, por lo que no es adecuado para trabajar en nuestro idioma. Una alternativa que sí permite realizar análisis de sentimientos en español en Python es spaCy, la cual también es bastante fácil de … [Leer más...] acerca de Análisis de sentimientos en español con spaCy en Python
Seleccionar el número de bins en un histograma
Emplear la cantidad adecuada de bins a la hora de crear un histograma es un factor clave para visualizar estos de forma correcta. Cuando se usan demasiados bins, los histogramas resultantes muestran básicamente ruido, mientras el caso contrario, menos de los necesarios, puede ocultar los patrones que se desean observar en la gráfica. Problema que se ha explicado en detalle en … [Leer más...] acerca de Seleccionar el número de bins en un histograma
Cuatro Aplicaciones de la Inteligencia Artificial en Retail
El uso de la inteligencia artificial (IA) en el sector de retail ha permitido transformar el sector en los últimos años. Las empresas del sector que han adoptado el uso de IA han conseguido optimizar sus operaciones, impulsar la eficiencia y proporcionar un mejor servicio al cliente gracias al conocimiento de este. Lo que generalmente se traduce en ventajas competitivas. En … [Leer más...] acerca de Cuatro Aplicaciones de la Inteligencia Artificial en Retail