Trabajando Hands-On Machine Learning de Aurélien Géron, un proyecto completo por capítulo. Lo que documento no es que los modelos funcionen — es qué resultó al revés de lo esperado y cómo se comprobó.
Sin código · conceptos
Cuándo conviene que la máquina descubra las reglas en vez de escribirlas — y las seis formas en que ese intento fracasa.
California Housing · regresión
Los tres mejores modelos resultaron estadísticamente indistinguibles. Decir cuál ganó era sobreinterpretar.
MNIST · dígitos escritos a mano
Un modelo que no miró un solo píxel acertó el 91% de las veces. La exactitud casi nunca es la métrica.
Qué ocurre dentro del ajuste
Descenso de gradiente, regresión polinómica y regularización.
Aún sin páginaLa regla del repositorio es simple: si algo se afirma, se mide. Ha costado corregir varias cosas que parecían obvias — que una variable importante mejoraría el modelo, que cierto algoritmo era lento por el tamaño de los datos, que la métrica más alta señalaba al mejor modelo. Ninguna resistió la medición.
Los errores también quedan documentados, incluido uno que agotó la memoria de una máquina de 16 GB. Un cuaderno donde todo sale bien a la primera no enseña nada a quien lo lee.