{"product_id":"machine-learning-essentials-practical-guide-in-r-9781986406857","title":"Conceptos básicos de aprendizaje automático: guía práctica en R","description":"Descubrir conocimiento a partir de grandes datos multivariados, registrados diariamente, requiere técnicas especializadas de aprendizaje automático.\u003cbr\u003e\u003cbr\u003eEste libro presenta una guía práctica y fácil de usar en R para calcular los métodos de aprendizaje automático más populares para explorar conjuntos de datos reales, así como para construir modelos predictivos.\u003cbr\u003e\u003cbr\u003e Las partes principales del libro incluyen: A) \u003cb\u003eMétodos de aprendizaje no supervisado\u003c\/b\u003e, para explorar y descubrir conocimiento a partir de un gran conjunto de datos multivariados utilizando métodos de agrupamiento y de componentes principales. Aprenderá métodos de agrupamiento jerárquico, k-medias, análisis de componentes principales y análisis de correspondencias. B) \u003cb\u003eAnálisis de regresión\u003c\/b\u003e, para predecir un valor de resultado cuantitativo utilizando estrategias de regresión lineal y no lineal. C) \u003cb\u003eTécnicas de clasificación\u003c\/b\u003e, para predecir un valor de resultado cualitativo utilizando regresión logística, análisis discriminante, clasificador naive bayes y máquinas de vectores de soporte. D) \u003cb\u003eMétodos avanzados de aprendizaje automático\u003c\/b\u003e, para construir modelos robustos de regresión y clasificación utilizando métodos de k-vecinos más cercanos, modelos de árboles de decisión, métodos de conjunto (bagging, random forest y boosting). E) \u003cb\u003eMétodos de selección de modelos\u003c\/b\u003e, para seleccionar automáticamente la mejor combinación de variables predictoras para construir un modelo predictivo óptimo. Estos incluyen métodos de selección de subconjuntos óptimos, regresión paso a paso y regresión penalizada (modelos de regresión ridge, lasso y elastic net). También presentamos métodos de regresión basados en componentes principales, que son útiles cuando los datos contienen múltiples variables predictoras correlacionadas. F) \u003cb\u003eTécnicas de validación y evaluación de modelos\u003c\/b\u003e para medir el rendimiento de un modelo predictivo. G) \u003cb\u003eDiagnósticos de modelos\u003c\/b\u003e para detectar y solucionar problemas potenciales en un modelo predictivo. El libro presenta los principios básicos de estas tareas y proporciona muchos ejemplos en R. Este libro ofrece una sólida guía en minería de datos para estudiantes e investigadores.\u003cbr\u003e\u003cbr\u003e Características clave: \u003cbr\u003e \u003cul\u003e\n\u003cli\u003eCubre el algoritmo de aprendizaje automático y su implementación\u003c\/li\u003e\n\u003cli\u003eSe presentan conceptos matemáticos clave\u003c\/li\u003e\n\u003cli\u003eCapítulos cortos e independientes con ejemplos prácticos. \u003c\/li\u003e\n\u003c\/ul\u003e\u003cbr\u003e\u003cbr\u003e\u003cb\u003eAutor:\u003c\/b\u003e \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=AUTH-13556950\"\u003eAlboukadel Kassambara\u003c\/a\u003e\u003cbr\u003e\u003cb\u003eEditorial:\u003c\/b\u003e Createspace Independent Publishing Platform\u003cbr\u003e\u003cb\u003ePublicado:\u003c\/b\u003e 03\/10\/2018\u003cbr\u003e\u003cb\u003ePáginas:\u003c\/b\u003e 210\u003cbr\u003e\u003cb\u003eTipo de encuadernación:\u003c\/b\u003e Tapa blanda\u003cbr\u003e\u003cb\u003ePeso:\u003c\/b\u003e 1.29lbs\u003cbr\u003e\u003cb\u003eTamaño:\u003c\/b\u003e 10.00h x 7.99w x 0.55d\u003cbr\u003e\u003cb\u003eISBN13:\u003c\/b\u003e 9781986406857\u003cbr\u003e\u003cb\u003eISBN10:\u003c\/b\u003e 1986406857\u003cbr\u003e\u003cb\u003eCategorías BISAC:\u003c\/b\u003e\u003cbr\u003e- \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=CAT-COM\"\u003eInformática\u003c\/a\u003e | \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=BISAC-COM018000\"\u003eCiencia de Datos | General\u003c\/a\u003e\u003cbr\u003e\u003cp\u003e\u003ci\u003eEste título no es retornable\u003c\/i\u003e\u003cbr\u003e\u003c\/p\u003e","brand":"Createspace Independent Publishing Platform","offers":[{"title":"Default Title","offer_id":42675658490093,"sku":"9781986406857","price":61.18,"currency_code":"USD","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0550\/8097\/6621\/products\/img_3807ecf3-fb35-4931-907b-4fef2b5f420c.jpg?v=1649606983","url":"https:\/\/sureshotbooks.com\/es\/products\/machine-learning-essentials-practical-guide-in-r-9781986406857","provider":"SureShot Books Publishing LLC","version":"1.0","type":"link"}