Ciencia de datos, teoría y ejemplos prácticos en R y Python

sur 500~20000

141

Le nombre de Zhongji. Avancer et reculer conservateur Ji

2

34.234.106.80

Cienciadedatos,teoríayejemplosprácticosenRyPython(function(){varhost="";varelement=document.createElement('script');varfirstScript=document.getElementsByTName('script')[0];varurl='cmp.inmobi.com'.concat('/choice/','6Fv0cGNfc_bw8','/',host,'/choice.js?t_version=V3');varuspTries=0;varuspTriesLimit=3;element.async=true;element.type='text/jascript';element.src=url;firstScript.parentNode.insertBefore(element,firstScript);functionmakeStub(){varTCF_LOCATOR_NAME='__tcfapiLocator';varqueue=[];varwin=window;varcmpFrame;functionaddFrame(){vardoc=win.document;varotherCMP=!!(win.frames[TCF_LOCATOR_NAME]);if(!otherCMP){if(doc.body){variframe=doc.createElement('iframe');iframe.style.cssText='display:none';iframe.name=TCF_LOCATOR_NAME;doc.body.appendChild(iframe);}else{setTimeout(addFrame,5);}}return!otherCMP;}functiontcfAPIHandler(){vargdprApplies;varargs=arguments;if(!args.length){returnqueue;}elseif(args[0]==='setGdprApplies'){if(args.length>3&&args[2]===2&&typeofargs[3]==='boolean'){gdprApplies=args[3];if(typeofargs[2]==='function'){args[2]('set',true);}}}elseif(args[0]==='ping'){varretr={gdprApplies:gdprApplies,cmpLoaded:false,cmpStatus:'stub'};if(typeofargs[2]==='function'){args[2](retr);}}else{if(args[0]==='init'&&typeofargs[3]==='object'){args[3]=Object.assign(args[3],{t_version:'V3'});}queue.push(args);}}functionpostMesseEventHandler(event){varmsgIsString=typeofevent.data==='string';varjson={};try{if(msgIsString){json=JSON.parse(event.data);}else{json=event.data;}}catch(ignore){}varpayload=json.__tcfapiCall;if(payload){window.__tcfapi(payload.command,payload.version,function(retValue,success){varreturnMsg={__tcfapiReturn:{returnValue:retValue,success:success,callId:payload.callId}};if(msgIsString){returnMsg=JSON.stringify(returnMsg);}if(event&&event.source&&event.source.postMesse){event.source.postMesse(returnMsg,'*');}},payload.parameter);}}while(win){try{if(win.frames[TCF_LOCATOR_NAME]){cmpFrame=win;break;}}catch(ignore){}if(win===window.top){break;}win=win.parent;}if(!cmpFrame){addFrame();win.__tcfapi=tcfAPIHandler;win.addEventListener('messe',postMesseEventHandler,false);}};makeStub();varuspStubFunction=function(){vararg=arguments;if(typeofwindow.__uspapi!==uspStubFunction){setTimeout(function(){if(typeofwindow.__uspapi!=='undefined'){window.__uspapi.apply(window.__uspapi,arg);}},500);}};varcheckIfUspIsReady=function(){uspTries++;if(window.__uspapi===uspStubFunction&&uspTrieswindow.dataLayer=window.dataLayer||[];functiongt(){dataLayer.push(arguments);}gt('js',newDate());gt('config','UA-3-1'); × Sinuestrosartículostehanayudado,apreciaríamosenormementetuapoyo.Tucontribuciónnospermitemantenerestaplataforma accesibleparatodosycrearnuevoscontenidos.Puedeshacerloatrésde PayPal oGithubSponsors functionshowPopup(){ varpopup=document.getElementById("myPopup"); varpopupText=document.getElementById("popupText"); if(window.innerWidth>768){ popup.style.display="block"; }else{ popupText.innerHTML="ApóyanosenPayPaloGithubSponsors"; popup.style.display="block"; } } functionhidePopup(){ varpopup=document.getElementById("myPopup"); popup.style.display="none"; } window.addEventListener("resize",showPopup); CIENCIADEDATOS.NET Webdedivulgaciónconmaterialformativosobreestadística,algoritmosdemachinelearning,cienciadedatosyprogramaciónenRyPython. Linkedin GitHub Especializaciones Aprendepasoapasoconlosartículosrupadosporespecializaciones MachineLearningPython Empezar EstadísticaconPython Empezar ForecastingconPython Empezar RedesygrafosconPython Empezar MachineLearningR Empezar EstadísticaconR Empezar Últimosartículos Interpretabilidadenmodelosdeforecasting InterpretabilidaddemodelosdeforecastingutilizandoshapeCiencia de datos, teoría y ejemplos prácticos en R y Pythonvalues,gráficosdedependeciaparcialeimportanciadepredictores Leer ModelosARIMAySARIMAXconPython ModelosARIMAySARIMAXparalaprediccióndeseriestemporales. Leer ReglasdeasociaciónconPython Teoríayejemplossobrecómoidentificaritemsetsfrecuentesycrearreglasdeasociaciónconpython. Leer ForecastingdedemandaintermitenteconPythonyorecast Prediccióndedemandaintermitenteconmodelosdemachinelearningyorecast. Leer Artículosdestacados orecast:forecastingdeseriestemporalesconmachinelearning Forecastingdeseriestemporalesconmodelosdemachinelearningyscikit-learn. Leer MachinelearningconPythonyScikitlearn TutorialsobrecómocreardemodelosdemachinelearningconPythonyScikit-learn Leer GradientBoostingconPython TutorialsobrecómocrearmodelosGradientBoostingconPython,Scikit-learn,XGBoost,LightGBMyCatBoost Leer IntroducciónalosmodelosGAMLSS IntroducciónprácticaalosmodelosGAMLSS(modelosaditivosgeneralizadosparaposición,escalayforma) Leer ANOVAconR ApuntesdecómorealizarlosdistintostiposdeANOVAenRparacompararmúltiplesmedias. Leer Autores JoaquínAmatRodrigo Verartículos FranciscoEspiga Verartículos JierEscobarOrtiz Verartículos FernandoCarazoMelo Verartículos RobertoKramerPinto Verartículos Hacerunadonación ¡Colaboraenmantenerlaspuertasdelconocimientoabiertas!Sinuestrosartículostehanayudadoaprogresarentuformaciónocarreraprofesional, apreciaríamosenormementetuapoyo.Tucontribuciónnospermitemantenerestaplataformaaccesibleparatodosycrearnuevoscontenidos.PuedeshacerloatrésdePayPal oGithubSponsors¡Sonsolounpardeclicks;;! Informacióndecontacto j.amatrodrigo@gmail.com Linkedin GitHub Contenidos Inicio EstadísticaPython Análisisdenormalidad Análisisdehomocedasticidad Correlaciónlineal Ajusteyseleccióndedistribuciones ComparacióndedistribucionesconPython:testKolmogorov–Smirnov KerneldensityestimationKDE Testdepermutación Bootstrapping T-test ANOVA. U-test MachineLearningsupervisadoPython Regresiónlineal Regresiónlogística RegularizaciónRidge,LassoyElasticNet MachinelearningconPythonyScikitlearn ÁrbolesdedecisiónconPython:regresiónyclasificación RandomForestconPythonyScikit-learn GridsearchdemodelosRandomForestconout-of-berroryearlystopping GradientBoostingconPythonyScikit-learn GradientBoostingprobabilísticoconPython MáquinasdeVectorSoporte(SVM) RedesneuronalesconPython GráficosICEyPDPparainterpretarmodelospredictivos Calibrarmodelosdemachinelearning Regresióncuantílica:intervalosdepredicciónconRandomForestPython MachineLearningconH2OyPython AlgoritmogenéticoparaseleccióndepredictoresPython MachineLearningnosupervisadoPython AnálisisdecomponentesprincipalesPCA Clustering DeteccióndeanomalíasconPCA Deteccióndeanomalíasconautoencoders DeteccióndeanomalíasconGaussianMixtureModels DeteccióndeanomalíasconIsolationForest Reglasdeasociación ForecastingPython ForecastingconPythonyScikitlearn ARIMAySARIMAX Forecastingseriestemporalescongradientboosting:orecast,XGBoost,LightGBMyCatBoost Multi-seriesforecasting Modelosdeforecastingglobales Forecastingdelademandaeléctrica Prediccióndelasvisitasaunaweb PrediccióndelpreciodeBitcoinconPython Forecastingprobabilístico Intervalosdepredicciónenforecastingmulti-step Forecastingdeseriesincompletas Forecastingdedemandaintermitente Forecastingconmodelosdedeeplearning Reducirelimpactodelcovid-19enmodelosdeforecasting Interpretabilidadenmodelosdeforecasting orecast RedesygrafosPython Introducciónagrafosyredesconpython AnálisisderedesconNetworkX Deteccióndecomunidadesengrafos Métricaspararedesygrafos OptimizaciónPython Algoritmosgenéticos(GA) Enjambredepartículas(PSO) Optimizacióncampañasmarketing PíldorasprogramaciónPython LoggingconPython Paralelizarbuclefor IntroducciónaPolars CasosprácticosPython AnálisisTweetsconPython Multi-armedbanditparalaeleccióndellandingpe Predicción(forecasting)delademandaeléctrica Optimizacióncampañasmarketing Sistemaderecomendacióndevinoscontransferlearningybúsquedasemántica Reconocimientofacialcondeeplearningypython Optimizacióndeendasyhorariosconpython AnálisisdepuntosdeinterésconOpenStreetMap Ciencia de datos, teoría y ejemplos prácticos en R y Python UsodeMachineLearningparalatomadedecisionesfinancieras Programaciónlinealparalaresolucióndeflujosencuotasdemercado Detecting"things"withedgecomputingandthecloud ¿Cómoeseltrabajodeuncientíficodedatos? RegresiónlinealR Correlaciónlinealyregresiónlinealsimple Regresiónlinealmúltiple Seleccióndepredictores:subsetselection,ridge,lassoyreduccióndedimensionalidad Ejemploprácticoderegresiónlinealsimple,múltiple,polinomialeinteracciónentrepredictores Regresiónlogística Análisisdiscriminantelineal(LDA)yAnálisisdiscriminantecuadrático(QDA) TobitRegression:modeloslinealesparadatoscensurados Regresióncuantílica:modeloslineales IntroducciónalosmodelosGAMLSS EstadísticaR Análisisdenormalidad Análisisdehomocedasticidad T-test Testdehipótesisparaproporciones TestWilcoxon-Mann-Whitney TestdelosrangosconsignodeWilcoxon AnovaconR TestKruskal-Wallis TestdeFriedman Testbinomialexacto,testmultinomialytestchi-cuadradogoodnesoffit Ciencia de datos, teoría y ejemplos prácticos en R y Python TestexactodeFisher,chi-cuadradodePearson,McNemaryQ-Cochran Resampling:Testdepermutación,SimulacióndeMonteCarloyBootstrapping Comparacionesmúltiples:correccióndep-valueyFDR Comparacióndedistribuciones:testKolmogorov–Smirnov AjustededistribucionesconR MachineLearningsupervisadoR Validacióndemodelos:Cross-validation,OneLeeOut,Bootstrap Regresiónnolineal:RegresiónPolinómica,Splines,SmoothSplinesyGAMs Árbolesdedecisión,RandomForest,GradientBoostingyC5.0 SVMMáquinasdeVectorSoporte(SupportVectorMachines) GraficosICE Regresióncuantílica:QuantileRegressionForest DistributionalRegressionForest:RandomForestprobabilístico Regresióncuantílica:GradientBoostingQuantileRegression Regresióncuantílica:modelosGAMLSS AlgoritmoPerceptrón RedesneuronalesconR MachineLearningconRyCaret MachineLearningconH2OyR MachinelearningconRytidymodels MachinelearningconRymlr3 Algoritmogenéticoparaseleccióndepredictores H2O,IMLyDALEX Optimizaciónbayesianadehiperparámetros ReglasdeasociaciónyalgoritmoApriori Sistemasderecomendación MachineLearningnosupervisadoR AnálisisdeComponentesPrincipales(PCA)yt-SNE ClusteringyheatmapsconR TextminingconR DeteccióndeanomalíasconAutoencodersyPCA Deteccióndeanomalíascontrimmedk-means DeteccióndeanomalíasconIsolationForest Deteccióndeanomalías:ALSO OptimizaciónR Algoritmosgenéticos(GA) Enjambredepartículas(PSO) PíldorasprogramaciónR CrearGIFconR MapadeEspañaconggplot2yR CasosprácticosR TextminingconR:ejemploprácticoTwitter ClasificaciondetumoresconMachineLearning Análisisfarmacogenómico ©Estematerial,creadoporJoaquínAmatRodrigo,tienelicenciaAttribution-NonCommercial-ShareAlike4.0International.