práctica 7 concluida

07-LinearAlgebra&Learning.ipynb

@@ -367,7 +367,9 @@
   {
    "cell_type": "code",
    "execution_count": 56,
-   "metadata": {},
+   "metadata": {
+    "scrolled": false
+   },
    "outputs": [
     {
      "data": {
@@ -834,7 +836,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 1,
+   "execution_count": 2,
    "metadata": {},
    "outputs": [
     {
@@ -843,13 +845,14 @@
        "0.98"
       ]
      },
-     "execution_count": 1,
+     "execution_count": 2,
      "metadata": {},
      "output_type": "execute_result"
     }
    ],
    "source": [
-    "# Cada estimador (clasificador) debe exponer un método \"score\" que nos indica la calidad de predicción.\n",
+    "# Cada estimador (clasificador) debe exponer un método\n",
+    "# \"score\" que nos indica la calidad de predicción.\n",
     "\n",
     "from sklearn import datasets, svm\n",
     "\n",
@@ -857,7 +860,8 @@
     "X_digits = digits.data\n",
     "y_digits = digits.target\n",
     "svc = svm.SVC(C=1, kernel='linear')\n",
-    "svc.fit(X_digits[:-100], y_digits[:-100]).score(X_digits[-100:], y_digits[-100:])\n"
+    "svc.fit(X_digits[:-100], y_digits[:-100])\n",
+    "svc.score(X_digits[-100:], y_digits[-100:])\n"
    ]
   },
   {
@@ -874,7 +878,8 @@
     }
    ],
    "source": [
-    "# Para tener una mejor estimación del modelo, podemos dividir los datos que usamos para entrenamiento y test.\n",
+    "# Para tener una mejor estimación del modelo,\n",
+    "# podemos dividir los datos que usamos para entrenamiento y test.\n",
     "# A esto se le llama validación cruzada\n",
     "import numpy as np\n",
     "\n",