Publications by Rubén Pizarro Gurrola
Regresión logística glm() para medir la probabilidad de No pago
Identificar mediante modelo de regresión logística la probabilidad de pago o no Pago de un cliente En el ejemplo se modela la probabilidad de fraude por impago (default) en función del balance de la cuenta bancaria (balance). Las librerías library(tidyverse) library(ISLR) library(dplyr) library(ggplot2) Los datos Default es un connunto...
1486 sym R (3432 sym/19 pcs) 2 img
Predicciones de precio de venta casas con datos de trail y test
Predicciones de precio de venta casas con datos de trail y test Descripción Se cargan librerías Se descargan los datos Se exploran los datos de entrenamiento Se visualiza histograma de precio como una distribución normal Se identifican las variables numéricas del conjunto de datos de entrenamiento Tabla de correlaciones del conjunto de dato...
6278 sym R (47486 sym/46 pcs) 7 img
Regresión lineal múltiple de datos trail y test de precios de ventas de casas
Predicciones de precio de venta casas con datos de trail y test Descripción Se cargan librerías Se descargan los datos Se exploran los datos de entrenamiento Se visualiza histograma de precio como una distribución normal Se identifican las variables numéricas del conjunto de datos de entrenamiento Tabla de correlaciones del conjunto de dato...
4645 sym R (47473 sym/45 pcs) 7 img
Random Forest para datos de Boston
Random Forest para casas Boston Cargar datos Partir en datos entrenamiento y datos de validación Crear modelo random forest Validar modelo Realizar predicciones Cargar librerías library(randomForest) # PAra randomforest library(caret) # Para hce divisiones library(readr) library(dplyr) library(reshape) # Para renombrar columnas Cargar...
1166 sym R (9386 sym/23 pcs) 2 img
Regresión lineal múltiple para predecir precios de casas Melbourne
Predicción lineal de casas de Melbourne Regresión lineal múltiple con variables cuantitativas Cargar librerías Cargar los datos Describir los datos summary() y str() Depurar, limpiar datos y procesar Aquí, lo primero que hay que hacer es identificar cuáles son las variables cuatitativas Luego selecconar esas variables y procesar a un ...
5105 sym R (37831 sym/92 pcs) 2 img
Datos de coronavirus
Casos coronavirus URL https://rpubs.com/rpizarro/579962 Las librerías Slo se usan por el momento readr() y dplyr() library(readr) library(dplyr) library(ggplot2) Los datos Cargar datos de url gihub Presenta solo los primeros y últimos seis registros datos <- read.csv("https://raw.githubusercontent.com/rpizarrog/FundamentosMachineLearni...
474 sym R (10390 sym/23 pcs)
probabilidades alumnos lentes deporte musica ver 1.0
Determinar probabilidades Obtener probabilidades de que un alumno tenga ciertas características mediante la frecuencia Se utilizan los datos de alumnos ver 1.0 Cargar librerías Poner {r message=FALSE, warning=FALSE} para que no salgan mensajes library(readr) library(dplyr) library(fdth) Cargar datos alumnos <- read_csv("~/Mis clases ITD/...
2196 sym R (4278 sym/26 pcs)
probabilidades alumnos lentes deporte musica ver 2.0
Determinar probabilidades Obtener probabilidades de que un alumno tenga ciertas características mediante la frecuencia Se utilizan los datos de alumnos ver 2.0 Cargar librerías Poner {r message=FALSE, warning=FALSE} para que no salgan mensajes library(readr) library(dplyr) library(fdth) Cargar datos alumnos <- read_csv("~/Mis clases ITD/...
2009 sym R (4670 sym/24 pcs)
Correlación y regresión lineal simple de millas costo de aerolinea
Correlacion y regresión lineal de Aerolinea Las librerías library(readr) library(ggplot2) library(stats) Cargar los datos datos <- read_csv("~/Mis clases ITD/Semestre Enero Junio 2020/Analisis Inteligente de Datos/datos/rutas millas tarifas de vuelos.csv") datos <- data.frame(datos) # Asegurarse de que es un data.frame str(datos) ## 'dat...
2104 sym R (3802 sym/26 pcs) 2 img
Regresión simple de datos estudiantes ventas en restaurantes Pizzas
Regresión simple Caso: Población estudiantes VS ventas en restaurantes de Pizzas Ejemplo: se recolectan datos de una muestra de 10 restaurantes de Pizza ubicados todos cerca de diversas escuelas de educación superior. Las ventas dependen del número de estudiantes de cada escuela Las librerías library(ggplot2) # Para gráficas library(sta...
5737 sym R (4135 sym/43 pcs) 3 img