Te dejamos 3 ejemplos explicados de Machine Learning en Python usando Regresión Lineal.
Veremos la última fase del análisis de datos: comparaciones entre variables. Habiendo clasificado nuestras variables, podemos realizar comparaciones.
Veremos la siguiente fase del análisis de datos usando Python: Distribución de Variables. Usaremos histogramas, gráfico de probabilidad y test de normalidad.
Veremos las siguientes fases del análisis de datos: ingesta de datos, diagnóstico de la calidad de los datos, y agrupación de variables.
En éste artículo veremos: cómo crear arreglos, cómo asignar valores a un arreglo, cómo mostrar el contenido de un arreglo, cómo sumar todos los datos de un arreglo, cómo obtener los valores máximo y mínimo pertenecientes a un arreglo, y como ejemplo veremos cómo calcular la desviación estándar de un conjunto de números.
Math Commons es una biblioteca (library) de clases para Java que se emplea para realizar operaciones matemáticas.
La biblioteca de clases Math Commons nos permite utilizar clases para realizar operaciones de estadística, álgebra lineal, análisis numérico, números complejos, fracciones, geometría, optimización, algoritmos genéticos, machine Learning, entre otras.
Veamos cómo descargarlo y utilizarlo en un proyecto en Java.
Las Técnicas de conteo son utilizadas en Probabilidad y Estadística para determinar el número total de resultados. En este artículo analizamos: Principio de multiplicación, regla factorial, permutaciones, permutación circular y permutaciones con repeticiones.
En estadística existen formas de clasificar a los datos. Una de ellas es usando cuatro niveles de medición de datos. Son los siguientes:
Las medidas de tendencia central que analizamos en este artículo son 3: la media, la mediana y la moda. Veamos sus principales características.
Una vez que se han recolectado los datos llega el momento de crear una representación gráfica para datos estadísticos. Veamos un ejemplo.