Aprendizaje supervisado

1. Obtener datos
2. Transformar a formato tabular, con una fila por observación y una columna por variable
3. Dividir datos en entrenamiento y test (opcionalmente validación)
4. Crear nuevas variables (feature engineering)
5. Transformar todas las variables a numéricas (one-hot encoding)
6. (Opcional) Reducir número de variables:
   • Selección de variables (feature selection), métodos filtro, wrapper, …
   • Reducción de dimensionalidad (dimensionality reduction), PCA
7. Modelizar:
   1. Definir tipo de problema: clasificación, regresión, clustering, …
   2. Elegir modelo:
      • Linear/Logistic regression
      • Ridge Regression, Lasso, Elastic Net
      • SVM
      • Neural Networks
      • Random Forest
      • Gradient Boosting, XGBoost, LightBoost, CatBoost
   3. Seleccionar hyper-parametros
      • Grid Search
      • Random Search
      • Bayesian Optimization
8. Análisis resultados
   • Regresión: MAE, MSE
   • Clasificación: confussion matrix, accuracy, sensitivity, specificity, …
9. Volver a 4. Importante a la hora de comparar ya sea para elegir modelos, hyper-parametros, variables a usar, etc. usar siempre el error sobre el conjunto de validación o bien validación cruzada
10. Reportar el error en test de la configuración final y a producción