Poner nuestro modelo en tiempo real: revisión de distancias

Clase 28 de 34 • Curso Profesional de Ciencia de Datos 2019

Juan Carlos Rubio Polania

student•

Apreciados compañeros me podrían indicar como se puede insertar una imagen...

Por otra parte, una de las características más importantes es el porcentaje de varianza del modelo. Esta es la desviación de los valores aportados del modelo a la media. En análisis de componentes principales dos componentes deben sumar al menos el 70% para que sea robusto o confiable el análisis y se utiliza un método gráfico similar al presentado en el curso.

Gabriel Andrés Alzate Acuña

student•

No entiendo porque cuando calcula la distancia lo usa de la forma

c<-dist(x=c(campos[1],mycluster$centers))

con la x ahí metida, no seria lo mismo hacer:

c<-dist(c(campos[1],mycluster$centers))

O tiene algún tipo de uso esa x? Gracias por contestar

Víctor Macedo Becerril

student•

Sí, es lo mismo.

La x dentro de la función indica que el valor del argumento x de la función dist() es c(campos[1], mycluster$centers).

Si revisamos la documentación de la función dist(), vemos que el uso de esta función es de la forma:

dist(x, method = "euclidean", diag = FALSE, upper = FALSE, p = 2)

Entonces, el primer argumento a tomar es la x, los valores por default para los argumentos method, diag, upper, p son "euclidian", FALSE, FALSE y 2 respectivamente. Estos valores son los asignados en caso de que los argumentos se omitan, como en este caso.

En muchas ocaciones R es muy inteligente para saber qué valores se asignan a qué argumento, sin embargo, por buenas prácticas, se acostumbra poner: argumento=valor.

Cristian Enrique Cuevas Mercado

student•

No es buena practica llamar (c) a una variable en R, ya que esta es una función reservada c() que sirve para concatenar valores o texto y formar un vector

marsanul clasher

student•

Es normal que cada vez que corro el kmeans con los mismos datos, o si los corro en diferente computadora, el cluster me de diferente?

Braulio Aravena

student•

Hola. Me pasó la misma situación. De acuerdo a lo que investigué, se debe a que los centroides iniciales para cada uno de los clusters se generan de forma aleatoria. De acuerdo a esto, a medida que mas iteraciones se programen, kmeans tenderá a responder de forma similar. Eso sí, el resultado, que en una ejecución me dio para el cluster 2, en la siguiente ejecución me puede resultar para el cluster 4. Espero haber ayudado.

Paulo Cesar Herrera Flores

student•

Así es, como indica @baravena, el centroide es aleatorio, por lo cual siempre entregará resultados distintos. Para evitar eso, puedes fijar una "semilla", al cual le asignas un valor cualquiera (ej: 1234) por lo que cada vez que ejecutes kmeans, los resultados no variarán.

set.seed(entero) Ej: set.seed(1234)

CLAUDIA CRISTINA APARICIO RUEDA

student•

interesante!

Edwin Jesset Barrientos Gonzales

student•

campos&lt;-as.vector(data[1,])
campos

b&lt;-dist(c(1,2,3,4))
b

midist&lt;-matrix(0,ncol=8,nrow=8)

for(i in 1:8){
  c&lt;-dist(x=c(campos[i],mycluster$centers[,i]))
  b&lt;-as.matrix(c)
  distancia&lt;-b[-1,1]
  midist[i,]&lt;-distancia
}

rownames(midist)&lt;-c(&quot;Precio&quot;, &quot;Opiniones&quot;,&quot;Peso&quot;,&quot;Volumen&quot;,
                    &quot;Potencia&quot;,&quot;Alto&quot;,&quot;Ancho&quot;,&quot;Profundidad&quot;)
midist```

Poner nuestro modelo en tiempo real: revisión de distancias

Basicos para el curso

Mundo Data Science

¿Qué hace un Data Scientist?

Introducción a R

Operaciones con datos: vectores, listas y matrices

Operaciones con datos: dataframe y ficheros

¿Qué es web scraping?

Visualización de datos

Presentación del proyecto

Web scraping con R

Intro paquete Rvest y descripción de ejercicio

Principales funciones de Rvest

HTML node

Rvest en nuestro proyecto de Amazon. Recopilación de paginación

Obtención de URL de cada producto

Funciones Apply

Obtención de información de cada producto

Automatización para obtener datos preprocesados

Corrección de errores durante obtención de datos

Reto: Obtén datos de la liga española de fútbol

Adecuación y Análisis descriptivo de los datos

Adecuación de los datos, transformación y eliminación de NA

Procesamiento de datos

Adecuación al algoritmo K-means

Reto: Prepara los datos obtenidos

Aplicando modelo no supervisado: Kmeans

Cómo funciona el algoritmo K-means

Aplicando K-means a nuestro proyecto

Visualización de los clusters

Reto: Aplica el modelo K-means

Modelo en producción

Cómo hacer un punto de API con plumber en R

Poner nuestro modelo en tiempo real: revisión de distancias

Poner nuestro modelo en producción

Reto: Pon un modelo en producción

Representación de los resultados del modelo

Introducción a shiny y sus componentes

Mostrando los resultados de nuestro proyecto en Shiny

Reto:Representación de los resultados del modelo

Cierre del curso

Conclusiones