No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Red neuronal de pron贸stico con datos reales

33/37
Recursos

Aportes 6

Preguntas 1

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

o inicia sesi贸n.

Les comparto mis notas sobre este curso, espero les sean de utilidad

https://github.com/rb-one/Curso_de_Estadistica_Inferencial_con_R/blob/master/Notes/note.md

# Intervalos de confianza de la media -------------------------------------

table(SB11_20111$ECON_SN_INTERNET)

# 驴el internet tiene que ver con el puntaje en fisica?

tamano_muestral <- 300
iteraciones <- 100

poblacion_A <- SB11_20111$FISICA_PUNT[SB11_20111$ECON_SN_INTERNET == 0]
media_pob_A <- mean(poblacion_A, na.rm = TRUE)

poblacion_B <- SB11_20111$FISICA_PUNT[SB11_20111$ECON_SN_INTERNET == 1]
media_pob_B <- mean(poblacion_B, na.rm = TRUE)

plot(media_pob_A, media_pob_B, col = 4, pch= 20)
abline(0, 1)

for (i in seq_len(iteraciones)){
  muestra <- sample(seq_len(nrow(SB11_20111)), tamano_muestral)
  
  cuales_A <- seq_len(nrow(SB11_20111)) %in% muestra & SB11_20111$ECON_SN_INTERNET == 0
  muestra_A <- SB11_20111$FISICA_PUNT[cuales_A]
  
  media_muestral_A <- mean(muestra_A, na.rm = TRUE)
  t_test_A <- t.test(muestra_A)
  intervalo_A <- t_test_A$conf.int
  LI_A <- min(intervalo_A)
  LS_A <- max(intervalo_A)
  
  cuales_B <- seq_len(nrow(SB11_20111)) %in% muestra & SB11_20111$ECON_SN_INTERNET == 1
  muestra_B <- SB11_20111$FISICA_PUNT[cuales_B]
  
  media_muestral_B <- mean(muestra_B, na.rm = TRUE)
  t_test_B <- t.test(muestra_B)
  intervalo_B <- t_test_B$conf.int
  LI_B <- min(intervalo_B)
  LS_B <- max(intervalo_B)
  
  rect(LI_A, LI_B, LS_A, LS_B)
  
  }

points(media_pob_A, media_pob_B, col = 4, pch = 20, cex = 4)


# Red neuronal de pronostico con datos reales -----------------------------

# Paquetes
library('nnet')

tamano_muestral <- 2000

c(
 'ECON_PERSONAS_HOGAR',
 'ECON_CUARTOS',
 'ECON_SN_LAVADORA',
 'ECON_SN_NEVERA',
 'ECON_SN_HORNO',
 'ECON_SN_DVD',
 'ECON_SN_MICROHONDAS',
 'ECON_SN_AUTOMOVIL',
 'MATEMATICAS_PUNT'
) -> variables

indices_muestra <- seq_len(nrow(SB11_20111)) %in% sample(seq_len(nrow(SB11_20111)), tamano_muestral)

muestra <- subset(SB11_20111, subset = indices_muestra, select = variables)
muestra <- na.omit(muestra)

red_neuronal <- nnet(MATEMATICAS_PUNT ~ ., data = muestra, size = 10, linout= TRUE)

plot(muestra$MATEMATICAS_PUNT ~ predict(red_neuronal))
abline(0, 1, lwd = 2, col =2)

Clasifique las materias en ciencias exactas y ciencias sociales, y obtuve una mejor predicci贸n de la puntuaci贸n en matem谩ticas.
Grafica ciencias exactas, 鈥淏iolog铆a, F铆sica, Qu铆mica鈥

Grafica ciencias sociales, 鈥淟enguaje, Ciencias sociales, Filosof铆a, Ingl茅s鈥

Les queria dejar mi notebook pero alguien dejo un mejor aporte @rubenbermudezrivera
https://colab.research.google.com/drive/13ETzG_S4yqa1li6iMXPET1HfYhfm_Yru?usp=sharing
Lo dejo igual

Tomando como variables las calificaciones de las dem谩s materias.

鉁 Mi resultado del reto con las variables

"ECON_SN_COMPUTADOR", 鈥淓CON_SN_INTERNET鈥, 鈥淔ISICA_PUNT鈥, 鈥淨UIMICA_PUNT鈥, 鈥淢ATEMATICAS_PUNT鈥 (esta es nuestra y)



mejor贸 significativamente la posibilidad de predicci贸n con esas variables, seguir茅 testeando m谩s combinaciones pero esta me gust贸 bastante. 馃榿