Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • Presentaci N An Lisis Exploratorio de Datos Con Python

    Cargado por

    luis fernando Chávez De Gyves
    14 vistas40 páginas
    Este documento presenta una introducción al análisis exploratorio de datos con Python. Cubre temas como el estudio univariable y multivariable de datos, la limpieza de datos faltantes y atípicos, y la comprobación de suposiciones como la normalidad y homocedasticidad. El documento utiliza un conjunto de datos de ventas de viviendas en Ames, Iowa como ejemplo para demostrar estas técnicas de EDA.

    Descripción original:

    Título original

    presentaci__n__an__lisis_exploratorio_de_datos_con_python_

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Denunciar este documento
    Este documento presenta una introducción al análisis exploratorio de datos con Python. Cubre temas como el estudio univariable y multivariable de datos, la limpieza de datos faltantes y atípicos, y la comprobación de suposiciones como la normalidad y homocedasticidad. El documento utiliza un conjunto de datos de ventas de viviendas en Ames, Iowa como ejemplo para demostrar estas técnicas de EDA.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    14 vistas40 páginas

    Presentaci N An Lisis Exploratorio de Datos Con Python

    Cargado por

    luis fernando Chávez De Gyves
    Este documento presenta una introducción al análisis exploratorio de datos con Python. Cubre temas como el estudio univariable y multivariable de datos, la limpieza de datos faltantes y atípicos, y la comprobación de suposiciones como la normalidad y homocedasticidad. El documento utiliza un conjunto de datos de ventas de viviendas en Ames, Iowa como ejemplo para demostrar estas técnicas de EDA.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    de 40

    Análisis exploratorio de

    datos con Python


    Almudena Bonaplata
    B2B Marketing Specialist
    Master Big Data & Analytics
    linkedin.com/in/almudenabonaplata/
    @ABonaplata
    Índice

    1. Comprensión del problema


    2. Estudio univariable
    3. Estudio multivariable
    4. Limpieza básica de los datos
    5. Comprobación de suposiciones
    Índice

    1. Comprensión del problema


    2. Estudio univariable
    3. Estudio multivariable
    4. Limpieza básica de los datos
    5. Comprobación de suposiciones
    City of Ames, Iowa
    Competición en Kaggle
    Dataset
    Empezamos a trabajar
    Empezamos a trabajar
    Índice

    1. Comprensión del problema


    2. Estudio univariable
    3. Estudio multivariable
    4. Limpieza básica de los datos
    5. Comprobación de suposiciones
    Análisis univariable - “SalePrice”
    Análisis univariable - “SalePrice”
    Análisis univariable - “SalePrice”
    Relación con variables numéricas
    Relación con variables numéricas
    Relación con variables categóricas
    Relación con variables categóricas
    Índice

    1. Comprensión del problema


    2. Estudio univariable
    3. Estudio multivariable
    4. Limpieza básica de los datos
    5. Comprobación de suposiciones
    Análisis multivariable
    Análisis multivariable
    Análisis multivariable
    Índice

    1. Comprensión del problema


    2. Estudio univariable
    3. Estudio multivariable
    4. Limpieza básica de los datos
    5. Comprobación de suposiciones
    Datos faltantes (missing)
    Datos faltantes (missing)
    Datos atípicos (outliers)
    Datos atípicos (outliers)
    Datos atípicos (outliers)
    Índice

    1. Comprensión del problema


    2. Estudio univariable
    3. Estudio multivariable
    4. Limpieza básica de los datos
    5. Comprobación de suposiciones
    Normalidad
    Normalidad
    Normalidad
    Normalidad
    Normalidad
    Normalidad
    Normalidad
    Homocedasticidad
    Homocedasticidad
    Referencias
    • Pedro Marcelino: https://www.kaggle.com/pmarcelino
    • 'Examining your data' de Hair et al. (2013):
    https://www.amazon.com/gp/product/9332536503/
    • Kaggle House Prices:
    https://www.kaggle.com/c/house-prices-advanced-regressio
    n-techniques/overview
    • Dean de Cock: http://jse.amstat.org/v19n3/decock.pdf
    • City of Ames, Iowa:
    https://www.cityofames.org/about-ames/about-ames
    ¿Tienes alguna
    pregunta?

    ?
    ¿ ?
    Próxima Edición del
    Master Big Data y Analytics
    18 OCTUBRE 2019
    Gracias
    datahack
    Equipo = dh

    También podría gustarte