Se presentan métodos para el aprendizaje no supervisado en los que se descubren las relaciones entre las observaciones, así como las relaciones entre las variables. El curso también demuestra varias formas de realizar el aprendizaje supervisado donde se consideran las relaciones entre las variables de salida y las variables de entrada. En el curso se hace énfasis en comprender los resultados del análisis y presentar conclusiones con gráficos.
Aprender como
- Utilice el análisis de componentes principales para reducir el número de dimensiones de datos.
- Utilice gráficos de carga para comprender las relaciones entre variables
- Interpretar puntuaciones de componentes principales y realizar análisis factoriales.
- Cree modelos más estables eliminando la colinealidad con la regresión de componentes principales (PCR)
- Identificar agrupaciones naturales en los datos mediante análisis de conglomerados.
- Identificar grupos de variables.
- Clasificar observaciones en grupos con análisis discriminante.
- Ajuste modelos predictivos multivariados complejos con modelos de regresión de mínimos cuadrados parciales (PLS).
Duración: 4 sesiones de media jornada
Visita elresumen del cursopara obtener más información y registrarse para una próxima sesión.
