Se presentan métodos de aprendizaje no supervisado en los que se descubren relaciones entre las observaciones, así como entre las variables. El curso también muestra varias formas de realizar aprendizaje supervisado en las que se consideran las relaciones entre las variables de salida y las variables de entrada. En el curso, se hace hincapié en la comprensión de los resultados del análisis y en la presentación de conclusiones con gráficos.
Aprenda cómo
- Utilice el análisis de componentes principales para reducir la cantidad de dimensiones de datos
- Utilice gráficos de carga para comprender las relaciones entre las variables
- Interpretar puntuaciones de componentes principales y realizar análisis factoriales.
- Construya 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 las observaciones en grupos con análisis discriminante
- Ajustar modelos predictivos multivariados complejos con modelos de regresión de mínimos cuadrados parciales (PLS).
Duración: 4 sesiones de medio día
Visita elDescripción del cursopara obtener más información y registrarse para una próxima sesión.
