Prefacio
Audiencia
Estructura del libro
Software y acuerdos
Datos
Agradecimiento
Acerca del autor
Bibliografía
1
Minería de Datos
1.1
Motivación para la Minería de datos
1.2
¿Qué es la minería de datos?
1.3
Datos y conocimiento (Insumo/Resultado)
1.3.1
Datos:
1.3.2
Conocimiento:
1.4
Requerimientos
1.5
knowledge discovery in databases (KDD)
1.6
Preparación de los datos
1.6.1
Recopilación
1.6.2
Data Warehouse
1.6.3
Data Warehouse in R
1.6.4
Importación
1.6.5
Recopilación
1.6.6
Limpieza
1.6.7
Ejercicio (reshape)
1.6.8
Limpieza (fechas)
1.6.9
Limpieza (String)
1.6.10
Transformación
1.6.11
Definir diseño de encuesta por muestreo
1.7
Imputación de variables
1.7.1
La falta de información es información
1.7.2
Aproximación formal
1.7.3
MCAR, MAR, MNAR
1.7.4
Alternativas para trabajar con los Missings (Ad-hoc)
1.7.5
Imputación Multiple
1.7.6
Patrones en datos multivariados
1.7.7
Influx and outflux
1.7.8
Imputación de datos monótonos
1.7.9
Multivariate Imputation by Chained Equations (mice)
1.7.10
En R
Minería de datos con R
Acerca del autor
Bibliografía
Torgo, L. (2016). Data mining with R: Learning with case studies, second edition.
Hernandez, J. (2004). Introducción a la Minería de Datos
Step, I., & Blueprint, S. (2017). MACHINE LEARNING Intuitive Step by Step.