

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Los mejores documentos en venta realizados por estudiantes que han terminado sus estudios
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Descubre las mejores universidades de tu país según los usuarios de Docsity
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
contiene un ejercicio de orange data mining sobre las predicciones
Tipo: Resúmenes
1 / 3
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!
Unidad de Educación a Distancia Nombre: Carla Abigail Iza Caillatasig Predicciones en Orange Data Mining Introducción La implementación de del análisis predictivo se basan para estimar eventos futuros en función de datos históricos, para esto se aplican diversas técnicas analíticas, estadísticas y de aprendizaje automático. Los modelos del análisis predictivo son modelos matemáticos que predicen el comportamiento de una variable en función de un conjunto de otras variables. De esta manera cuanto mas relacionadas estén el conjunto de variables predictoras con la variable a predecir, más exactas serán las predicciones. Los pasos para realizar el proceso de un análisis predictivo se conforman de 5 pasos:
Unidad de Educación a Distancia Deseamos conocer que características son las más importantes para clasificar a un elemento como fruta o vegetal, para esto añadimos un elemento árbol y lo unimos con un visor de árbol y observamos las siguientes características. La siguiente representación nos muestra las características de los datos divididas en subconjuntos, en donde se observa que las características más importantes son las calorías, vitamina A y el potasio. Todos los elementos mencionados son los factores principales para predecir si un elemento es una fruta o vegetal. Después de obtener un análisis claro de los factores que permiten predecir que elemento es una fruta o vegetal procedemos a realizar algunas predicciones propias, para esto implementamos una tabla con las características y los porcentajes exactos de una fruta y vegetal sin embargo no colocaremos el nombre para que el sistema nos proporcione su predicción. Para obtener una predicción en base a las características de nuestra tabla conectamos nuestro archivo que contiene los datos hacia la función predicciones y del elemento predicciones realizamos una conexión al árbol de clasificación. Por último, lo conectamos con la función regresión logística que a su vez esta conectado con el archivo principal es decir la tabla que contiene todas las características que determinan si un objeto es fruta o vegetal y por último lo conectamos a predicciones de esta manera