Fundamentos para Inteligencia Artificial · Semana 8
28 de febrero de 2026 ≈ · NRC-197 ·
1 entregable
De qué iba
Cerramos el curso en equipo con un clasificador binario sobre el Breast Cancer Wisconsin que trae scikit-learn: 569 registros, 31 columnas, cero nulos. Separamos 80/20, estandarizamos ajustando el escalador solo con el conjunto de entrenamiento para no filtrarle información al de prueba, y entrenamos la regresión logística. Dio 97.37 % de exactitud. Pero lo que discutimos en el texto fue la matriz de confusión, porque en salud un tumor maligno etiquetado como benigno pesa mucho más que el porcentaje global.
Cargamos load_breast_cancer y revisamos la distribución de clases: 357 benignos contra 212 malignos, sin valores nulos
Partimos 455 filas de entrenamiento y 114 de prueba con random_state=42, y ajustamos el StandardScaler únicamente sobre el entrenamiento
Entrenamos LogisticRegression con max_iter=1000 y llegamos a 97.37 % de exactitud: de los 43 malignos de prueba acertó 41, y de los 71 benignos acertó 70
Escribí un test_notebook.py que ejecuta las celdas de código una por una para comprobar que el cuaderno corre completo sin errores
Qué pedían
El enunciado y la rúbrica, tal cual los publicaron.