Replica del documento que se muestra en el video "Aprende lo Básico de R Markdown en 20 Minutos" creado por José Antonio

We compute the correlation between the number of wins and the teams' ranking.

This is a plot based on Survived plotted by Fare

An Exploratory Analysis of Early English Books Using Generative AI and Classical Data Science

Este análisis utiliza el algoritmo XGBoost para realizar predicciones sobre tres variables del sector energético: generación solar, generación eólica onshore y carga total. Se emplea una ventana de 24 horas y un horizonte de predicción también de 24 horas. Se calculan y visualizan las métricas R², RMSE y MAE, junto con gráficos del pronóstico y una comparación del rendimiento frente a otros modelos como KNN y SVM.

Este análisis aplica el algoritmo de Random Forest para predecir tres variables clave del sector energético (energía solar, energía eólica y carga total) con un horizonte de 24 horas. Se utilizan ventanas temporales de 24 horas como entrada para los modelos, y se evalúan las métricas R², RMSE y MAE. Además, se compara el desempeño del modelo con otros algoritmos como KNN, SVM y XGBoost. El código fue desarrollado en R utilizando los paquetes caret, randomForest, tidyverse y ggplot2. El informe incluye tres visualizaciones: Pronósticos por variable Comparación de R² entre algoritmos Comparación completa de R², RMSE y MAE

Assingment