Auto-reproducción
Autocompletar
Clase Previa
Completar y continuar
Modelos de Regresión en R
1. Modelos de Regresión Lineal Múltiple
Materiales de esta sección
1.1 Bases de Regresión Lineal (6:55)
1.2 Introducción a Regresión Lineal Multivariable (3:32)
1.3 Regresión Lineal Multivariable para predecir Costo (4:37)
1.4 Predecir utilizando el Modelo Lineal (11:40)
1.5 Evaluar el Modelo Gráficamente (6:51)
1.6 Evaluar el Modelo Curva de Ganancia (6:43)
1.7 Evaluar el RMSE (4:24)
1.8 Evaluar el R2 (3:40)
2. Entrenamiento y Evaluación de un Modelo de Regresión
2.1 Introducción a Entrenamiento y Prueba del Modelo (Train / Test) (2:14)
2.2 Creación de los Conjuntos de Datos de Entrenamiento y Prueba (5:01)
2.3 Creación del Modelo de Regresión y Predicciones (4:20)
2.4 Comparación de Modelos de Entrenamiento y de Prueba (3:47)
2.5 Introducción a Validación Cruzada (Cross Validation) (2:24)
2.6 Construcción y Evaluación de un Modelo mediante Validación Cruzada (10:30)
3. Predicción con Variables Categóricas
3.1 Uso de variables Categóricas (5:53)
3.2 Uso de Variables Categóricas – Construcción del Modelo (6:15)
3.3 Uso de variables Categóricas Múltiples (8:02)
4. Modelos con Interacción entre Variables
4.1 Interacciones entre Variables (4:10)
4.2 Interacciones entre Variables en R (6:34)
4.3 Evaluar el Modelo con Interacciones (6:35)
5. Transformación de Variables de Entrada y de Salida
5.1 Transformar las salidas para mejorar el modelo (4:07)
5.2 Transformar las salidas y crear modelo (8:31)
5.3 Evaluar el modelo con transformación de salidas (7:56)
5.4 Transformación de variables de entrada - Parte 1 (2:39)
5.5 Transformación de variables de entrada - Parte 2 (7:11)
5.6 Evaluar el modelo lineal vs el cuadrático (4:25)
6. Modelo de Regresión Logística
6.1 Predecir Probabilidades con Regresión Logística (4:43)
6.2 Construir Modelo de Regresión Logística (10:01)
6.3 Evaluar el Resultado de la Regresión Logística (4:30)
7. Modelos de Regresión Poisson y Quasipoisson
7.1 Predicción de Conteos Poisson o Quasipoisson (8:22)
7.2 Evaluación del Modelo Poisson o Quasipoisson (9:54)
8. Modelos de Regresión Aditiva Generalizada (GAM)
8.1 Predicciones con Modelos Aditivos Generalizados GAM (9:28)
8.2 Evaluar el Modelo Aditivo Generalizado (6:43)
9. Modelos de Árboles de Decisión
9.1 Fundamentos de Árboles de Decisión (2:50)
9.2 Predecir con Modelos de Bosques Aleatorios (Random Forest) (7:03)
9.3 Evaluar el Modelo de Bosques Aleatorios (Random Forest) (7:08)
Fin del curso
2.1 Introducción a Entrenamiento y Prueba del Modelo (Train / Test)
Contenidos de Clase bloqueados
Si ya está inscrito,
necesitarás loguearte
.
Suscribirse en el Curso para Desbloquear