Scribd
Cargar
841 vistas155 páginas

Machine Learning Con R

El documento presenta una clase sobre análisis de datos con R. Introduce conceptos de machine learning como aprendizaje supervisado y no supervisado, e incluye algoritmos como regresión lineal, regresión logística, K-medias y clustering jerárquico. Explica los pasos para realizar regresiones lineales simple y múltiple, así como regresión logística utilizando R para predecir resultados basados en datos.

Cargado por

Luis Jimenez
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PPTX, PDF, TXT o lee en línea desde Scribd
841 vistas155 páginas

Machine Learning Con R

El documento presenta una clase sobre análisis de datos con R. Introduce conceptos de machine learning como aprendizaje supervisado y no supervisado, e incluye algoritmos como regresión lineal, regresión logística, K-medias y clustering jerárquico. Explica los pasos para realizar regresiones lineales simple y múltiple, así como regresión logística utilizando R para predecir resultados basados en datos.

Cargado por

Luis Jimenez
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PPTX, PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 155

Análisis de Datos con R Ing.

Luis Alfredo Jimenez

Clase 5 Enero 2020


• Definición de Machine • Algoritmos para
Clase 5.- Learning Aprendizaje No
• Clasificación de Machine Supervisado
Learning • K Means Clustering
• Aprendizaje • Clustering
Análisis de Supervisado Jerarquicos

Datos con R • Aprendizaje No


Supervisado
• Algoritmos para
Aprendizaje Supervisado
• Regresión Lineal
• Regresión Polinomial
• Regresión de Soporte
de Vector
• Árbol de Decisión
• Bosque Aleatorio
• Regresión Logística
• K Vecinos Cercanos
Regresión Lineal Simple con Análisis de Datos con R
Ing.- Luis Jimenez
R
Ejemplo: Determinar el tiempo
necesario para organizar diferentes
bloques de cajas.

Paso 1: Carga de datos inicial

datos <- read.table("http://www.diegocalvo.es/wp-content/uploads/2016/09/datos-regresion-lineal-simple.txt",


header = TRUE)
Ejemplo: Determinar el tiempo
necesario para organizar diferentes
bloques de cajas.

Paso 2: Representar ambas variables


gráficamente (diagrama de dispersión)
Ejemplo: Determinar el tiempo
necesario para organizar diferentes
bloques de cajas.

Paso 3: Cargar el Modelo

Y = 0,6845 * X + 18,5452
Ejemplo: Determinar el tiempo
necesario para organizar diferentes
bloques de cajas.

Paso 4: Análisis de la correlación


Ejemplo: Determinar el tiempo
necesario para organizar diferentes
bloques de cajas.

Paso 5: Predicciones
Regresión Lineal Multiple con Análisis de Datos con R
Ing.- Luis Jimenez
R
Determinar el tiempo necesario
para organizar diferentes bloques de
cajas que se encuentran a diferentes
distancias.

Paso 1: Carga de datos inicial

datos <- read.table("http://www.diegocalvo.es/wp-content/uploads/2016/09/datos-regresion-lineal-multiple.txt",


header = TRUE)
Determinar el tiempo necesario
para organizar diferentes bloques de
cajas que se encuentran a diferentes
distancias.

Paso 2: Explorar la relación entre todas las


parejas de variables
Determinar el tiempo necesario
para organizar diferentes bloques de
cajas que se encuentran a diferentes
distancias.

Paso 3: Cargar el Modelo

Y = 0,8772 * X1 + 0,4559 * X2 + 2,3112


Análisis de Regresión logística en Análisis de Datos con R
Ing.- Luis Jimenez
R
Clasificar si las piezas salen o no
defectuosa atendiendo a la
temperatura de la máquina.

Paso 1: Carga de datos inicial

temperatura <-c(66,70,69,68,67,72,73,70,57,63,70,78,67,53,67,75,70,81,76,79,75,76,58)
defecto <-c( 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1)
Clasificar si las piezas salen o no
defectuosa atendiendo a la
temperatura de la máquina.

Paso 2: Explorar la relación entre todas las


parejas de variables
Clasificar si las piezas salen o no
defectuosa atendiendo a la
temperatura de la máquina.

Paso 3: Cargar el Modelo


Clasificar si las piezas salen o no
defectuosa atendiendo a la
temperatura de la máquina.

Paso 4: Graficamos la recta de probabilidad


para cada temperatura
Clasificar si las piezas salen o no
defectuosa atendiendo a la
temperatura de la máquina.

Paso 5: Predicciones

También podría gustarte