Data Science con R

Repositorio personal con documentos explicativos sobre técnicas diversas aplicadas en ciencia de datos, con ejemplos explicados en R. Estos y otros contenidos se encuentran también disponibles en formato html en RPubs.

• Análisis Discriminante Lineal (LDA) y Cuadrático (QDA)

• Análisis de Componentes Principales (PCA)

• Análisis gráfico Bland-Altman

• Árboles de decisión y métodos ensemble (bagging, random forests, boosting)

• Máquinas de Vector Soporte (SVM)

• Metodología de Superficie de Respuesta

• Métodos de clustering (k-means y clustering jerárquico)

• Regresión lineal múltiple

• Regresión lineal simple

• Regresión logística (simple y múltiple)

• Regresión no lineal (polinomios, step functions, regression splines, regresión local y GAMs)

• Regularización y selección del mejor modelo (subset selection, ridge regression, lasso, PCA, PCR, PLS)

• Remuestreo y validación de modelos (validación cruzada y bootstrap)

Shield:

This work by Cristina Gil Martínez is licensed under a Creative Commons Attribution 4.0 International License.