Please enable JavaScript.

Coggle requires JavaScript to display documents.

CIENCIA DE DATOS - Parcial 2 - Coggle Diagram

- - - - Mide cuánta varianza explica un componente
    - - Muestra los valores propios en orden
        
        Ayuda a elegir cuántos componentes conservar (codo)
    - - % de varianza explicada por cada componente
    - - % acumulado de varianza explicada por varios componentes
    - - Coordenadas de los datos en el nuevo espacio de componentes
        
        Sirven para ver patrones y grupos
    - - Mide qué tan lejos está un punto
        
        Detecta outliers
    - - Muestra qué variables influyen más en cada componente
    - - Combina puntuaciones + influencias
        
        Muestra qué variables explican qué patrones
    - - Se utiliza cuando las variables están en diferentes escalas
        
        Primero se estandarizan
- - - - Sugiere productos, contenidos o servicios a los usuarios, basándose en sus preferencias pasadas
    - - Importar el data set
        
        Cargar el conjunto de datos de los usuarios
      - Extraer las características
        
        Para identificar patrones
      - Vectorizar el texto a numérico
        
        Convirtiendo la información en una matriz dispersa (1 y 0) y la máquina lo comprenda
      - Calcular la medida de similitud
        
        Para visualizar qué tan parecidos son los usuarios
        
        Coeficiente de Correlación de Pearson
        
        Coseno de Similitud
        
        Similitud de Jaccard
        
        Distancia Euclidiana
        
        Distancia Manhattan
      - Generar recomendaciones
    - - Método para convertir texto a números
      - Si la palabra existe, se pone un 1
      - Si la palabra no está presente, se pone un 0
    - - Aumentar el tamaño del vector
        
        Usar embeddings más largos
        
        Capturan más información de las palabras
        
        Mejores recomendaciones
      - Ajustar hiperparámetros
        
        Optimizar los parámetros
        
        Mejora la calidad de las representaciones
      - Usar embeddings preentrenados
        
        Resultados mejores que entrenar desde cero
      - Mejor preprocesamiento de texto
        
        Embeddings más representativos
      - Combinar características
        
        Aporta más contexto
    - - Personalización limitada
        
        Solo usan características del producto, no consideran el comportamiento real del usuario
      - Dispersión de datos
        
        Necesitan muchos datos del productos y del usuario
      - Problema de arranque en frío
        
        Si hay nuevos usuarios o productos sin datos, no pueden recomendar bien
      - Enfoque limitado
        
        Usan pocas características
        
        Recomendaciones poco variadas
      - Alta complejidad computacional
        
        Requieren mucho procesamiento
      - Sesgo en los datos
        
        Si los datos están sesgados, las recomendaciones también lo estarán
  - - - Si ocurre A, es probable que ocurra B
      - Antecedente → Consecuente
        
        X → Y
  - - - Representación de los datos en función a la presencia o ausencia de los elementos
        
        0 o 1
  - - - Variables que aparecen juntas en una transacción (o evento)
        
        {pan, manteca, leche}
  - - - Frecuencia del patrón en los datos (% de transacciones)
        
        N° de transacciones que contienen X e Y / Total de transacciones
    - - Probabilidad de que ocurra el consecuente si ocurre el antecedente
        
        N° de transacciones que contienen X e Y / N° de transacciones que contienen X
    - - Cuánto mejora la probabilidad del consecuente vs. azar
      - Lift = 1 → No hay relación
      - Lift > 1 → La presencia del antecedente aumenta la probabilidad del consecuente
      - Lift < 1 → Disminuye la probabilidad
      - Ejemplo: Lift = 2 → “El doble de probabilidad de comprar leche si se compra pan”
    - - Frecuencia del antecedente en las transacciones
    - - Test que verifica si la relación es significativa (p-valor bajo = regla confiable)
    - - Mide errores de predicción (antecedente ocurre sin consecuente)
    - - Dos cosas suceden juntas, pero no significa que una cause la otra
  - - - Algoritmo clásico, busca combinaciones frecuentes que superen un umbral
      - Usa “fuerza bruta” + poda
    - - Más rápido, construye un árbol, evita generar combinaciones
    - - Más rápido, usa listas verticales de transacciones en vez de árboles
- - - - Regresión Lineal o Análisis de Tendencia
        
        Cuando no hay estacionalidad
      - Redes Neuronales
      - ARMA
        
        Series estacionarias
      - ARIMA
        
        Series no estacionarias (con tendencia)
      - SARIMA
        
        ARIMA + Estacionalidad
      - Holt-Winters
        
        Suaviza + Tendencia + Estacionalidad (alternativa simple a ARIMA)
  - - - Discreta
        
        Datos en momentos puntuales
      - Continua
        
        Datos en todo momento
    - - Se puede predecir con exactitud el valor futuro
    - - Sólo se puede estimar el futuro con probabilidades
  - - - Cambio a largo plazo (sube, baja, se mantiene)
    - - Patrones que se repiten en ciclos (ej: subas todos los veranos)
    - - Variaciones impredecibles
  - - - Relación con valores de k períodos atrás
        
        Identifica MA (Media Móvil)
    - - Relación con k períodos atrás (quitando efectos intermedios)
        
        Identifica parte AR (Autoregresiva)