hnslopez / ML

Este repositorio contiene un proyecto de análisis de datos para el juego CS:GO donde utilizamos la metodología CRISP-DM y modelos de clasificación como Random Forest, XGBoost, SVM y KNN.

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

Análisis de Datos Crisp DM

Este repositorio contiene el resultado de un análisis realizado utilizando la metodología de Análisis de Datos Crisp DM para predecir la variable "MatchWinner" a partir de un conjunto de datos de juegos de video.

Se utilizaron varios modelos de aprendizaje automático, incluyendo Random Forest, XGBoost, SVM y KNN, para llevar a cabo el análisis. Durante el proceso, se enfrentaron desafíos como la transformación de datos, la selección de columnas relevantes y la falta de información en algunas columnas.

A pesar de estos desafíos, se lograron resultados prometedores en el rendimiento del modelo y se recomienda continuar investigando y optimizando para mejorar aún más los resultados. Se sugiere también realizar una evaluación más exhaustiva de los datos y considerar la posibilidad de recolectar más información para mejorar la precisión del modelo.

About

Este repositorio contiene un proyecto de análisis de datos para el juego CS:GO donde utilizamos la metodología CRISP-DM y modelos de clasificación como Random Forest, XGBoost, SVM y KNN.


Languages

Language:Jupyter Notebook 91.9%Language:PowerShell 4.9%Language:HTML 2.4%Language:Python 0.4%Language:Batchfile 0.3%Language:Procfile 0.0%