-
Notifications
You must be signed in to change notification settings - Fork 1
/
TP3.Rmd
41 lines (23 loc) · 907 Bytes
/
TP3.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
---
title: "Practica 3 Individual - Random Forest / XGBoost"
output: html_document
---
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```
```{r message=FALSE, warning=FALSE}
library(tidyverse)
library(tidymodels)
```
## Dataset
El dataset se encuentra disponible en:
https://www.kaggle.com/camnugent/california-housing-prices
Lo podemos ingresar mediante el siguiente comando
```{r}
train <- read_csv("https://raw.githubusercontent.com/data-datum/datasets/main/housing.csv")
```
**La variable a predecir es la de median_house_value.**
## Consignas
1. Implemente un modelo de Random Forest, puede ser con o sin Tunning de Hiperparámetros, siguiendo alguna de las prácticas guiadas.
2. Implemente un modelo de XGBoost con Tunning siguiendo la práctica guiada correspondiente.
3. ¿Con qué modelo obtuvo menor error? ¿Es conveniente un modelo más complejo? Discuta.