Este código implementa un modelo de Máquina de Vectores de Soporte (SVM) para predecir enfermedades cardíacas a partir de datos clínicos. Se realiza la importación y exploración de datos, la división en entrenamiento y prueba, el entrenamiento de un modelo con kernel lineal, y la evaluación con una matriz de confusión. Finalmente, se genera una predicción para un paciente y se analizan posibles mejoras en el modelo.

This study focuses on the analysis and forecasting of monthly liquor sales in the United States over the period 1970-1980. The data represents sales in millions of dollars, forming a time series of 132 monthly observations. This study employs a comprehensive time series analysis approach, implementing two main families of forecasting models: SARIMA (Seasonal Autoregressive Integrated Moving Average) models Exponential Smoothing methods The analysis follows a structured process including exploratory data analysis, model identification, parameter estimation, diagnostic checking, and forecasting.

Este código implementa un modelo de árbol de decisión para analizar los factores que influyeron en la supervivencia de los pasajeros del Titanic. Se realiza la importación y limpieza de datos, transformando variables categóricas y eliminando valores faltantes. Finalmente, se analizan los resultados para identificar cómo el sexo, la clase social y la edad impactaron en la probabilidad de supervivencia.

Context of the study: Ordinal logistic regression is an extension of binary logistic regression that allows the analysis of ordered categorical dependent variables with more than two levels. In this study, we apply it to analyze the environmental perception of electric vehicles, a crucial topic in the context of ecological transition.

Este código implementa un modelo de red neuronal artificial para predecir el valor medio de las viviendas en Boston utilizando la base de datos BostonHousing. Se realizan los pasos de importación y exploración de datos, división en conjuntos de entrenamiento y prueba (70-30), entrenamiento de una red neuronal con neuralnet(), y generación de predicciones. El objetivo es modelar la relación entre múltiples variables predictoras y el precio de las viviendas en la ciudad.

Rplot by Percent contribution 2 PC1