Estoy buscando algunos documentos / sitios web de tamaño medio a largo sobre la minería de datos, específicamente donde se explora en profundidad un conjunto de datos desde la preparación de datos hasta el modelo final. Estoy particularmente interesado en las discusiones sobre la aplicación de...
Tengo dos preguntas sobre el uso de bosque aleatorio (específicamente randomForest en R) para la imputación de valor faltante (en el espacio del predictor). 1) ¿Cómo funciona el algoritmo de imputación, específicamente cómo y por qué se requiere la etiqueta de clase para la imputación? ¿Es la...
Estoy buscando construir un modelo predictivo donde la variable de resultado sea binaria y la entrada sea una serie de tiempo. Para hacerlo más concreto, el modelo predecirá si un cliente abandona (dejó la empresa; codificado como 1 o 0) en función de la cantidad que gastó con la empresa en los...
Tengo una secuencia binaria como 11111011011110101100000000000100101011011111101111100000000000011010100000010000000011101111 Donde los grupos de la mayoría de los 1 son seguidos por un mayor número de ceros, como en la imagen a continuación (el negro representa 1): Me gustaría aplicar una...
Entiendo que PCA se usa para la reducción de dimensionalidad para poder trazar conjuntos de datos en 2D o 3D. Pero también he visto personas que aplican PCA como un paso de preprocesamiento en escenarios de clasificación donde aplican PCA para reducir el número de características, luego usan...
Mi pregunta trata sobre los árboles de clasificación . Considere el siguiente ejemplo del conjunto de datos de Iris: Quiero seleccionar manualmente el mejor predictor para la primera división. Según el algoritmo CART, la mejor característica para hacer una división es la que maximiza la...