Presentación
I MODELOS ANALÍTICOS
1
Modelizar
1.1
¿Qué es Modelizar?
1.2
¿Qué es un modelo analítico?
2
Tipos de Problemas
2.1
Enfoques de Modelización
3
Catálogo de Técnicas
3.1
Técnicas de
Clustering
3.2
Técnicas de Clasificación
3.3
Técnicas de Regresión
3.4
Técnicas de Reducción de Dimensión
3.5
Otras ‘Técnicas’
3.6
¿Qué técnica utilizar?
4
Evaluación de modelos
4.1
Diagnosis de Negocio
4.2
Evaluación en Respuesta Binaria
4.2.1
Clasificación
4.2.2
Medidas de desigualdad
4.3
Evaluación en Respuesta Continúa
4.3.1
Modelos de Regresión
4.3.2
Modelos de Series temporales
4.4
Evaluación en
Clustering
4.4.1
Silueta
4.5
Métodos de re-muestreo
4.5.1
Training & testing
4.5.2
Cross validation
4.6
Práctica en R
4.6.1
Preparación de los datos
4.6.2
Clasificación
4.6.3
Regresión
II Modelos Estadísticos
5
Regresión Lineal
5.1
¿Qué es un Modelo de Regresión?
5.1.1
Ver también:
5.2
Práctica en R
5.2.1
Regresión lineal simple
5.2.2
Regresión lineal múltiple
6
Regresión Logística
6.1
Modelos Lineales Generalizados
6.2
Modelo Logit
6.3
Modelo Probit
6.4
Práctica en R
6.4.1
Otros ejemplos
7
Series Temporales
7.1
¿Qué es una Serie Temporal?
7.2
Herramientas de Análisis
7.2.1
Autocorrelación (acf y pacf)
7.2.2
Operadores (del Tiempo)
7.3
Alisado Exponencial
7.4
ARIMA
7.4.1
Parte AR (Autorregresiva)
7.4.2
Parte MA (Medias Móviles)
7.5
Funciones de Transferencia
7.6
Práctica en R
7.6.1
Ver también
7.7
A manera de nota final
III Machine Learning
8
Introducción
8.1
Aprendizaje supervisado
8.1.1
Una reflexión
8.2
Aprendizaje no supervisado
9
Aprendizaje no supervisado
9.1
K-medias (
k-means
)
9.1.1
El modelo
9.1.2
Un ejemplo gráfico
9.1.3
Limitaciones del algoritmo
9.1.4
Ventajas y desventajas
9.1.5
Implementación en R
9.1.6
Evaluación
9.1.7
Determinar el número de clústers óptimo
9.2
Hierarchical clustering
9.2.1
Modelo
9.2.2
Implementación en R
10
Aprendizaje Supervisado
10.1
Árboles de decisión
10.1.1
En R
10.1.2
Ventajas y desventajas
10.2
Bagging y Random Forest
10.2.1
En R
10.3
Boosting
10.3.1
Optimización de parámetros
10.3.2
En R
10.4
Explicación de predicción
10.4.1
Un ejemplo en R
ANEXO
A
Sobre in-training
B
Colaboradores
References
Modelización en R
Capítulo 8
Introducción
Los modelos analíticos se dividen en dos grandes grupos:
modelos supervisados
modelos no supervisados