arianvaldivieso/Estadistica-con-R

Apuntes personales sobre estadística, machine learning y lenguaje de programación R

Estadística y Machine Learning con R

Este repositorio contiene apuntes personales sobre estadística, bioestadística, machine learning y lenguaje de programación R. Para ver los documentos en formato web (html) visitar cienciadedatos.net.

• Regresión cuantílica: modelos GAMLSS

• Introducción a los modelos GAMLSS

• Ajuste de distribuciones con R

• Regresión cuantílica: Gradient Boosting Quantile Regression

• Distributional Regression Forest: Random Forest probabilístico

• Regresión cuantílica: Quantile Regression Forest

• Detección de anomalías con Autoencoders y PCA

• Comparación de distribuciones: test Kolmogorov–Smirnov

• Optimización con enjambre de partículas (Particle Swarm Optimization PSO)

• Optimización con algoritmo genético y Nelder-Mead

• Algoritmo genético para la selección de predictores

• Análisis farmacogenómico de paneles celulares: drug screening e identificación de biomarcadores

• Gráficos ICE para interpretar modelos predictivos

• Machine Learning con H2O y R

• Clasificación de tumores con Machine Learning

• Machine Learning con R y caret

• Reglas de asociación y algoritmo Apriori

• Tobit Regression: modelos lineales para datos censurados

• Sistemas de recomendación con R

• Text mining con R: ejemplo práctico Twitter

• Clustering y Heatmaps

• Regresión cuantílica (Quantile Regression)

• Análisis de Componentes Principales (Principal Component Analysis, PCA) y t-SNE

• Máquinas de Vector Soporte (Support Vector Machines)

• Algoritmo Perceptron

• Árboles de predicción: bagging, random forest, boosting y C5.0

• Métodos de regresión no lineal: Regresión Polinómica, Regression Splines, Smooth Splines y GAMs

• Selección de predictores y mejor modelo: Subset selection, Ridge, Lasso y dimension reduction

• Validación de modelos de regresion: Cross-validation, OneLeaveOut, Bootstrap

• Comparación entre regresión logística, linear discriminant analisis (LDA) y K-NN

• Linear Discriminant Analysis LDA y Quadratic Discriminant Analysis QDA

• Regresión logística simple y múltiple

• Ejemplo práctico de regresión lineal simple, múltiple, polinomial e interacción entre predictores

• Regresión lineal múltiple

• Correlación y Regresión lineal

• Resampling, Test de permutación, Simulación de Monte Carlo y Bootstrapping

• Test estadísticos para variables cualitativas: test exacto de fisher, chi-cuadrado de Pearson, McNemar QCochran

• Test estadísticos para variables cualitativas: test binomial exacto, test multinomial y test chi-cuadrado goodnes of fit

• Friedman test: alternativa no paramétrica al ANOVA de datos dependientes

• Kruskal-Wallis test: alternativa no paramétrica al ANOVA independente

• Comparaciones múltiples: corrección de p-value y FDR

• ANOVA: análisis de varianza para comparar múltiples medias

• Prueba de los rangos con signo de Wilcoxon

• Wilcoxon-Mann-Whitney test

• Inferencia para variables categóricas: proporciones, intervalos de confianza y test de hípótesis

• T-test

• Análisis de la homogeneidad de varianza, homocedasticidad

• Análisis de normalidad mediante gráficos y contrastes de hipótesis

• Bibliografía estadística y programación en R

This work by Joaquín Amat Rodrigo is licensed under a Creative Commons Attribution 4.0 International License.