Reto Examén de Admisión

Descripción

Este dataset es un ejercicio del curso de Machine Learning de Andrew Ng. Consiste en un conjuto de datos de 2 variables:

• Nota de examen 1 de un estudiante
• Nota de examen 2 de un estudiante
• Resultado si fue admitido a una universidad

El dataset consiste en 100 datos.

Ranking

Ver ranking.

Formato Datos

Los datos se encuentran en los siguientes archivos CSV:

• train-set.csv
• test-set.csv

Variables

• Features: Las primeras 2 columnas del csv son los resultados del examen 1 y examen 2 correspondientemente.
• Labels: La última columna indica la clase (si fue o no admitido 1 o 0).

Objetivo

Crear un algortimo que tome como input un los resultados del examen 1 y 2 y retorne si el estudiante fue admitido o no. Solo se pueden utilizar los datos del train-set.csv para entrenar.

El performance se debe medir con respecto a los datos del test-set.csv utilizando la siguiente formula

score = n_aciertos / n_total * 100

donde n_aciertos es el numero de imagenes clasificadas de forma correcta y n_total es el numero total de muestras en el test-set.

Notas Teoricas

• SVM
• Decision Trees
• Regresión logística

Solucion

Ver procedimiento de solucion.

Requerimientos

Indica los requerimientos para utilizar el codigo de tu solucion.

Procedimiento

Indica el procedimiento que se debe seguir para reproducir tu solucion.

Metodo

Indica el metodo que utilizaste para solucionar el reto.

Resultados

Indica el metodo que utilizaste para solucionar el reto.

Getting Started

Para resolver este reto primero has un fork de este repositorio y clona el fork en tu maquina.

git clone https://github.com/{username}/supervised-basico-admission-exams
cd supervised-basico-admission-exams

Nota: reemplaza {username} con tu nombre de usuario de Github.

Requerimientos

Para descargar y visualizar los datos necesitas Python 2 o 3. Las dependencias las puedes encontrar en el archivo requirements.txt. Puedes instalarlas fácilmente utilizando el commando

pip install -r requirements.txt

Dependiendo de tu entorno puede que necesites instalar paquetes del sistema adicionales, si tienes problemas revisa la documentación de estas librerías.

Starter Code Python

Para iniciar con este reto puedes correr el codigo de Python en Jupyter del archivo python-sample.ipynb. Este código que ayudará a cargar y visualizar algunas imágenes. Las dependencias son las mismas que se instalaron durante la descarga de los datos, ver Requerimientos.

Para iniciar el código solo hay que prender Jupyter en esta carpeta

jupyter notebook --NotebookApp.iopub_data_rate_limit=1.0e10

y abrir el archivo python-sample.ipynb.