Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 36 vistas

    Tarea2 Analisis de Datos

    Cargado por

    Vale Vega
    Este documento describe el proceso de análisis de datos utilizando el software Knime. Se cargan datos, se limpian valores faltantes y atípicos, y se realiza un análisis univariante y bivariante de las variables. El documento incluye figuras del software mostrando cada paso.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Tarea2 Analisis de Datos

    Cargado por

    Vale Vega
    36 vistas18 páginas
    Este documento describe el proceso de análisis de datos utilizando el software Knime. Se cargan datos, se limpian valores faltantes y atípicos, y se realiza un análisis univariante y bivariante de las variables. El documento incluye figuras del software mostrando cada paso.

    Título original

    tarea2 analisis de datos

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe el proceso de análisis de datos utilizando el software Knime. Se cargan datos, se limpian valores faltantes y atípicos, y se realiza un análisis univariante y bivariante de las variables. El documento incluye figuras del software mostrando cada paso.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    36 vistas18 páginas

    Tarea2 Analisis de Datos

    Cargado por

    Vale Vega
    Este documento describe el proceso de análisis de datos utilizando el software Knime. Se cargan datos, se limpian valores faltantes y atípicos, y se realiza un análisis univariante y bivariante de las variables. El documento incluye figuras del software mostrando cada paso.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 18

    1

    Informe Académico

    1. Cuadro Sinóptico

    1. Después de realizar la respetiva instalación del Software https://www.knime.com/ y


    descargar la dataset https://www.kaggle.com/datasets/rahulsah06/titanic . Iniciamos con la
    creación de nuestro Proyecto

    Figura 1
    Primera ventana de Bienvenida Knime
    2

    Nota: Imagen de Software Knime-Licencia 2024

    Figura 2
    Creando Proyecto, Definición Nombre

    Nota: Imagen de Software Knime-Licencia 2024


    3

    Figura 3
    Carga Datos Train ( estos son los datos descargados de Dataset de Titanic

    Nota: Imagen de Software Knime-Licencia 2024


    4

    Figura 4
    Carga de datos de Test (Dataset)

    Nota: Imagen de Software Knime-Licencia 2024


    5

    Figura 5
    Incluir Nodo Concatenar Train - Test

    Nota: Imagen de Software Knime-Licencia 2024

    Figura 6
    Nodo Duplicate Row Filter

    Nota: Imagen de Software Knime-Licencia 2024 – Quitamos los datos Duplicados limpiando la data-Selecionamos que variables incluir o excluir
    6

    Figura 7
    Nodo Missing Value

    Nota: Imagen de Software Knime-Licencia 2024 – En esta imagen podemos ver ciertos signos en rojo son valores faltantes para ello debemos
    aplicar el nodo missing value para determinar estos valores faltantes

    Figura 8
    Nodo Missing Value Aplicado

    Nota: Imagen de Software Knime-Licencia 2024 – Nodo Aplicado


    7

    Desarrollo de Actividad

    1. Paso Eliminación de valores atípicos


    Figura 1
    Box Plot

    Nota: Imagen de Software Knime-Licencia 2024 – Nodo Aplicado Box Plot Evidencia de atipicos

    Una vez procesado el nodo de valores atípicos no enseña que los valores atípicos están en (Age)
    edad, Numero de Hermanos (SibSp) y Numero de Padres (Parch)
     Excluida (tarifa embarque)
     Box plot valores atípicos (edad,sibsp(numero de hermanas) parch (numero de padres)
    valores incorrectos (valores por edad mayores de 150 ejemplo)
    8

    Figura 2
    Elección de Variable a eliminar datos atípicos

    Nota: Imagen de Software Knime-Licencia 2024 – Nodo Aplicado Box Plot Evidencia de atipicos

    Una vez aplicado el nodo tenemos como resultante sin valores atípicos excluyendo Age, sibSp, Parch
    9

    2. Paso Análisis univariante

    Figura 1
    Nodo Statics

    Nota: Imagen de Software Knime-Licencia 2024 –

    En este escogeremos una variable para hallar medidas de tendencia central (media, mediana, moda)
    y medidas de dispersión (varianza y desviación estándar). Incluir gráficos de barras, histogramas,
    gráficos de dispersión podemos excluir las variables o incluirlas

     Variable (Age)
    o Histograma
    Figura 1
    Histograma

    Nota: Imagen de Software Knime-Licencia 2024


    10

    Figura 2
    Histograma

    Nota: Imagen de Software Knime-Licencia 2024


    11

    o Medidas de Tendencia central y Medidas de Dispersión


    Figura 1
    Medidas de Tendencia central y Medidas de Dispersión

    Nota: Imagen de Software Knime-Licencia 2024


    12

    3. Paso Análisis bivariante y multivariante

    o Interacion entre Variable PassengerID – Ticket

    Figura 1
    Nodo Scatter Plot Observamos que encontramos relación de las variables entre el
    ticket y los id de los pasajeros

    Nota: Imagen de Software Knime-Licencia 2024


    13

    o Sexo – Edad (Variable relación a la edad de acuerdo al Sexo Femenino o Masculino )

    Figura 2
    Nodo Scatter Plot -Variable Sex y Age

    Nota: Imagen de Software Knime-Licencia 2024


    14

    o Edad – Clase Observamos la relación de dependencia de la edad con la clase que se


    encontraban registradas, el punto mas alto es la edad de 80 años en Clase 1

    Figura 3
    Nodo Scatter Plot -Variable Sex y Age

    Nota: Imagen de Software Knime-Licencia 2024


    15

    o Relación Edad Sobrevivientes (Podemos observar en la grafica que en promedio 1


    persona por edad fue Sobreviente, la edad mas alta fue 80 años

    Figura 4
    Nodo Scatter Plot – Sobrevivientes -Edad

    Nota: Imagen de Software Knime-Licencia 2024


    16

     Edad – Ticket (No podemos determinar en las variables edad y ticket ninguna relación

    Figura 5
    Nodo Scatter Plot -Edad y Ticket

    Nota: Imagen de Software Knime-Licencia 2024


    17

     Promedio de Survived – Class y Age Usando Nodo Bar Chart

    Figura 6
    Menu Bar Chart -Selecion de variables y exclusión

    Nota: Imagen de Software Knime-Licencia 2024

    Figura 7
    Menu Bar Chart - Survived – Class y Age.Grafica

    Nota: Imagen de Software Knime-Licencia 2024


    18

    Referencias Bibliográficas

    Carlos Véliz. (2020). Aprendizaje automático. Introducción al aprendizaje profundo. El Fondo

    Editorial de la Pontificia Universidad Católica del Perú.

    https://bibliotecavirtual.unad.edu.co/login?url=https://search.ebscohost.com/login.aspx?

    direct=true&db=nlebk&AN=2600876&lang=es&site=eds-

    live&scope=site&ebv=EB&ppid=pp_I Cap 1 y 2

    David Julian. (2016). Designing Machine Learning Systems with Python. Packt Publishing.

    https://bibliotecavirtual.unad.edu.co/login?url=https://search.ebscohost.com/login.aspx?

    direct=true&db=nlebk&AN=1218065&lang=es&site=eds-

    live&scope=site&ebv=EB&ppid=pp_Cover. Cap 3

    Garriga Trillo, A. J. (2009). Introducción al análisis de datos. UNED - Universidad Nacional de

    Educación a Distancia.

    https://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad/48460 Cap 2, 3 y 4

    También podría gustarte