Ir al contenido principal
InicioR

Curso

Analítica predictiva con datos conectados en R

IntermedioNivel de habilidad
Actualizado 9/2020
Aprende a predecir las etiquetas de los nodos en las redes utilizando el aprendizaje de redes y extrayendo características descriptivas de la red.
Comienza el curso gratis
RProbability & Statistics
4 h
14 vídeos
56 Ejercicios
4,300 XP
4,763
Certificado de logros

Crea tu cuenta gratuita

Continuar con GoogleMostrar más opciones

o


Al continuar, aceptas nuestros Términos de uso, nuestra Política de privacidad y que tus datos se almacenen en los EE. UU.

Preferido por estudiantes en miles de empresas

Group

¿Formando un equipo?

Prueba para empresas

Descripción del curso

En este curso aprenderás a realizar analítica predictiva de vanguardia utilizando datos en red en R. El objetivo del análisis de redes es predecir a qué clase pertenece un nodo de la red, como si es churner o no, si es fraudster o no, si es defaulter o no, etc. Para lograrlo, veremos cómo aprovechar la información de la red y su estructura subyacente con fines predictivos. En particular, introducimos la idea de la featurización para que las características de red puedan añadirse a las que no lo son, mejorando así el rendimiento de cualquier modelo analítico resultante. En este curso usarás el paquete igraph para generar y etiquetar una red de clientes en un escenario de churn y conocerás los fundamentos del aprendizaje en redes. Después, aprenderás sobre homofilia, diadicidad y heterofilia, y cómo usarlas para obtener insights exploratorios clave en tu red. A continuación, utilizarás la funcionalidad del paquete igraph para calcular diversas características de red y obtener tanto métricas centradas en nodos como basadas en vecinos. Además, emplearás el algoritmo Google PageRank para calcular características de red y validar empíricamente su poder predictivo. Por último, te enseñamos a generar un conjunto de datos plano a partir de la red y a analizarlo con regresión logística y random forests.

Requisitos previos

Network Analysis in RSupervised Learning in R: Classification
1

Introduction, networks and labelled networks

In this chapter you will be introduced to labelled networks, network learning and the challanges that can arise.
Iniciar capítulo
2

Homophily

In this chapter you will learn about homophily and how to compute the two measures that can be used to characterice it, dyadicity and heterophilicty.
Iniciar capítulo
Analítica predictiva con datos conectados en R
Curso
completo

Obtener certificado de logros

Añade esta certificación a tu perfil de LinkedIn o a tu currículum.
Compártelo en redes sociales y en tu evaluación de desempeño.
Inscríbete ahora

¡Únete a 19 millones de estudiantes y empieza Analítica predictiva con datos conectados en R hoy mismo!

Crea tu cuenta gratuita

Continuar con GoogleMostrar más opciones

o


Al continuar, aceptas nuestros Términos de uso, nuestra Política de privacidad y que tus datos se almacenen en los EE. UU.

Desarrolla tus habilidades de datos con la aplicación móvil de DataCamp

Progresa desde cualquier dispositivo móvil con nuestros cursos y desafíos de programación diarios de 5 minutos.