From dbf0875fed49e503dc90a37c24a3f801f0f86beb Mon Sep 17 00:00:00 2001 From: Marco Antonio Gonzalez Date: Fri, 5 Dec 2025 16:10:04 -0600 Subject: [PATCH] =?UTF-8?q?eliminar=20","=20de=20la=20frase=20para=20m?= =?UTF-8?q?=C3=A1s=20congruencia?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- 06-ml_algos/exploring-random-forests.es.ipynb | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/06-ml_algos/exploring-random-forests.es.ipynb b/06-ml_algos/exploring-random-forests.es.ipynb index 194883a..7b70b75 100644 --- a/06-ml_algos/exploring-random-forests.es.ipynb +++ b/06-ml_algos/exploring-random-forests.es.ipynb @@ -121,7 +121,7 @@ "cell_type": "markdown", "metadata": {}, "source": [ - "El conjunto *train* lo utilizaremos para entrenar el modelo, mientras que con el *test* lo evaluaremos para medir su grado de efectividad. Además, no es necesario que las variables predictoras estén normalizadas, ya que los random forests y, por lo tanto, los árboles de decisión no se ven afectados por la escala de los datos debido a la forma en la que funcionan: toman decisiones basadas en ciertos umbrales de características, independientemente de su escala." + "El conjunto *train* lo utilizaremos para entrenar el modelo, mientras que con el *test* lo evaluaremos para medir su grado de efectividad. Además, no es necesario que las variables predictoras estén normalizadas, ya que los random forests y, por lo tanto los árboles de decisión no se ven afectados por la escala de los datos debido a la forma en la que funcionan: toman decisiones basadas en ciertos umbrales de características, independientemente de su escala." ] }, {