Análisis de regresión con R

Opiniones de los lectores

El libro está bien considerado por su claridad y sus ejemplos prácticos, lo que lo hace accesible para los que se inician en R y las técnicas estadísticas. Sin embargo, algunos lectores esperaban una mayor profundidad en temas específicos como la multicolinealidad y el uso de bibliotecas avanzadas.

⬤ Ejemplos útiles y explicaciones claras
⬤ accesible para principiantes con conocimientos limitados de R
⬤ cubre técnicas estadísticas ampliamente utilizadas
⬤ sirve como un buen recurso fundacional.

Carece de profundidad en la multicolinealidad; no discute la biblioteca tidyverse para el análisis de regresión avanzada.

(basado en 3 opiniones de lectores)

Título original:

Regression Analysis with R

Contenido del libro:

Construir modelos de regresión eficaces en R para extraer información valiosa de datos reales Características principales Implementar diferentes técnicas de análisis de regresión para resolver problemas comunes en la ciencia de datos - desde la exploración de datos para hacer frente a los valores que faltan De regresión lineal simple a la regresión logística - este libro cubre todas las técnicas de regresión y su implementación en R Una guía completa para la construcción de modelos de regresión eficaces en R e interpretar los resultados de ellos para hacer predicciones valiosas Descripción del libro

El análisis de regresión es un proceso estadístico que permite predecir relaciones entre variables. Las predicciones se basan en el efecto casual de una variable sobre otra. Las técnicas de regresión para modelar y analizar se emplean en grandes conjuntos de datos con el fin de revelar relaciones ocultas entre las variables.

Este libro le dará un resumen de lo que es el análisis de regresión, explicándole el proceso desde cero. En los primeros capítulos se explican los distintos tipos de aprendizaje: supervisado y no supervisado, y en qué se diferencian unos de otros. A continuación, pasamos a tratar el aprendizaje supervisado en detalle, cubriendo los distintos aspectos del análisis de regresión. El esquema de los capítulos está organizado de tal forma que da una idea de todos los pasos cubiertos en un proceso de ciencia de datos: carga del conjunto de datos de entrenamiento, tratamiento de los valores perdidos, EDA en el conjunto de datos, transformaciones e ingeniería de características, construcción de modelos, evaluación del ajuste y el rendimiento del modelo y, por último, realización de predicciones en conjuntos de datos no vistos. Cada capítulo comienza explicando los conceptos teóricos y, una vez que el lector se siente cómodo con la teoría, pasamos a los ejemplos prácticos para apoyar la comprensión. Los ejemplos prácticos se ilustran con código R, incluidos los distintos paquetes de R, como R Stats, Caret, etcétera. Cada capítulo es una mezcla de teoría y ejemplos prácticos.

Al final de este libro conocerá todos los conceptos y puntos problemáticos relacionados con el análisis de regresión, y podrá aplicar lo aprendido en sus proyectos. Lo que aprenderá Comience el viaje de la ciencia de datos utilizando Regresión lineal simple Trate la interacción, la colinealidad y otros problemas utilizando regresión lineal múltiple Comprenda los diagnósticos y qué hacer si fallan los supuestos con un análisis adecuado Cargue su conjunto de datos, trate los valores perdidos, Desarrollar un modelo perfecto teniendo en cuenta el sobreajuste, el infraajuste y la validación cruzada Tratar los problemas de clasificación aplicando la regresión logística Explorar otras técnicas de regresión - Árboles de decisión, Bagging y técnicas Boosting Aprender poniéndolo todo en práctica con la ayuda de un caso práctico del mundo real. A quién va dirigido este libro

Este libro está dirigido a científicos de datos y analistas de datos en ciernes que deseen implementar técnicas de análisis de regresión utilizando R. Si está interesado en la estadística, la ciencia de datos, el aprendizaje automático y desea obtener una introducción sencilla al tema, ¡entonces este libro es lo que necesita! Unas nociones básicas de estadística y matemáticas te ayudarán a sacar el máximo partido del libro. Alguna experiencia en programación con R también será útil Tabla de contenidos Introducción a la regresión Conceptos básicos - Regresión lineal simple Más que un único predictor - MLR Regresión logística Preparación de datos Evitar problemas de sobreajuste - Conseguir la generalización Ir más allá con los modelos de regresión Más allá de la linealidad - Cuando la curva es mucho mejor Análisis de regresión en la práctica