Después del baseline, doy el siguiente paso natural: mejorar el modelo mediante optimización de hiperparámetros.

He publicado un nuevo cuaderno de computación donde trabajo uno de los datasets más conocidos en machine learning: el Titanic 🛳️.

• 👉 Puedes descargarlo y ejecutarlo directamente en Kaggle (versión en inglés):
  https://www.kaggle.com/code/jesusnieto/titanic-svm-adjustparams-en

• 👉 También disponible en Colab (versión en español):
  https://colab.research.google.com/drive/1v_RTfVMQFvJdcZTp5SdUndN4WoJaDJpV?usp=drive_link

🔍 Contexto rápido

Seguimos trabajando sobre el clásico problema del Titanic 🛳️, pero esta vez con un enfoque más avanzado: no se trata solo de entrenar un modelo, sino comprender de qué forma podemos mejorar y optimizar sus resultados, mediante el ajuste de sus hiper-parámetros.

⚙️ ¿Qué se explora en este cuaderno?

Partiendo del baseline con SVM, el foco está en cómo ajustar el modelo para mejorar su rendimiento:

• 🎛️ Ajuste de hiperparámetros clave (C, gamma, kernels…)
• 🔍 Búsqueda sistemática (Grid Search / Random Search)
• 📈📉 Análisis con curvas de validación y aprendizaje
• ⚖️ Evaluación comparativa de configuraciones
• 🧪 Mejora progresiva sobre el baseline inicial

🧠 ¿Por qué es importante esto?

Un modelo como SVM puede cambiar radicalmente su comportamiento dependiendo de sus hiperparámetros.

Aquí es donde pasas de tener un modelo “correcto” a uno realmente optimizado:

• mejor generalización
• menor overfitting
• decisiones más robustas

💡 Idea principal

Este cuaderno no introduce un modelo nuevo, sino algo más relevante:

• 👉 cómo exprimir al máximo uno ya existente

Es el paso que muchas veces marca la diferencia entre un proyecto académico y uno aplicado.

📈 Evolución natural del proyecto

• ✔️ Baseline simple (ya publicado)
• 🔧 Optimización de hiperparámetros (este cuaderno)
• 🚀 Base lista para iteraciones más avanzadas

Si te interesa ir más allá del “modelo básico” y entender cómo mejorar rendimiento de verdad 👇

• 👉 Puedes descargarlo y ejecutarlo directamente en Kaggle (versión en inglés):
  https://www.kaggle.com/code/jesusnieto/titanic-svm-adjustparams-en

• 👉 También disponible en Colab (versión en español):
  https://colab.research.google.com/drive/1v_RTfVMQFvJdcZTp5SdUndN4WoJaDJpV?usp=drive_link

👉 Ábrelo, ejecútalo y ajústalo a tu manera