👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en www.xiperia.com
Muy buena la explicación! Gracias!. Tengo la siguiente duda: para evitar multicolinealidad en una regresión logistica provocada por la correlacion de variables independientes, seria correcto descartar variables independientes que tengan una correlacion de spearman fuerte? O no es del todo cierto dado que la correlacion de spearman mira la monotonia y no la linealidad entre dos variables?
Buenas en un examen, ponían . Un método para determinar la relación entre dos variables cuantitativas es a través de: Dando por respuesta correcta B. Por qué. Podrías hacer un video explicando qué métodos son mejores para variables cualitativas o cuantitativas. Gracias A) El coeficiente de correlación de Spearman. B) El coeficiente de correlación de Pearson. C) El coeficiente de correlación de Speed. D) El coeficiente de correlación de Seagle
Excelente video Octavio. Tengo una consulta al respecto. En ML cuando estamos aplicando un modelo cualquiera para generar una clasificación para un dataframe supervisado. Parte del pre procesamiento de datos es eliminar variables que sean redundantes o tengan una alta correlacion entre si...en este punto seria mejor utilizar la correlacion de pearson o correlacion de spearman para el analisis de estas variables, recordando que estamos buscando eliminar data redundante para el algoritmo.
@edwardbrandt4868 gracias por la pregunta tan interesante. Comúnmente se utiliza la correlación de Pearson (que mide una relación lineal entre las variables), sin embargo, también se podrían utilizar la correlación de Spearman (ruclips.net/video/lzF6NggCSdY/видео.html) y la correlación de Kendall (ruclips.net/video/qYjICAaUG1Q/видео.html) dependiendo el dominio. Para apoyar un poco mi afirmación, aquí va un vínculo a documentación de R para eliminar variables redundantes, la cual permite indicar el tipo de correlación: search.r-project.org/CRAN/refmans/cytominer/html/correlation_threshold.html
![Seungmin "그렇게, 천천히, 우리(As we are)" | [Stray Kids : SKZ-PLAYER]](http://i.ytimg.com/vi/kAzmhLHePqU/mqdefault.jpg)
👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en www.xiperia.com
buenisimo video! muchas gracias por tu explicación
Gracias por seguir el contenido del canal.
Eres grande Maestro Octavio, Muchas Gracias !! Perfectamente bien explicado.
¡Muchas gracias por tus comentarios Rocko!
Super Gracias, están muy buenos tus tutoriales de python
Muchas gracias!!!
Muy bueno! Gracias!😊
Gracias a ti!
Muy buena la explicación! Gracias!. Tengo la siguiente duda: para evitar multicolinealidad en una regresión logistica provocada por la correlacion de variables independientes, seria correcto descartar variables independientes que tengan una correlacion de spearman fuerte? O no es del todo cierto dado que la correlacion de spearman mira la monotonia y no la linealidad entre dos variables?
Uff buen video , super gracias
Muchas gracias
Master!!!!
Muchas gracias!!!
Buenas en un examen, ponían . Un método para determinar la relación entre dos variables cuantitativas es a través de:
Dando por respuesta correcta B. Por qué. Podrías hacer un video explicando qué métodos son mejores para variables cualitativas o cuantitativas. Gracias
A) El coeficiente de correlación de Spearman.
B) El coeficiente de correlación de Pearson.
C) El coeficiente de correlación de Speed.
D) El coeficiente de correlación de Seagle
@rociovazquezmatas7968 gracias por la excelente sugerencia de video. Cualquier día de estos sale el video en el canal, mientras tanto feliz año!!!
Excelente video Octavio. Tengo una consulta al respecto. En ML cuando estamos aplicando un modelo cualquiera para generar una clasificación para un dataframe supervisado. Parte del pre procesamiento de datos es eliminar variables que sean redundantes o tengan una alta correlacion entre si...en este punto seria mejor utilizar la correlacion de pearson o correlacion de spearman para el analisis de estas variables, recordando que estamos buscando eliminar data redundante para el algoritmo.
@edwardbrandt4868 gracias por la pregunta tan interesante. Comúnmente se utiliza la correlación de Pearson (que mide una relación lineal entre las variables), sin embargo, también se podrían utilizar la correlación de Spearman (ruclips.net/video/lzF6NggCSdY/видео.html) y la correlación de Kendall (ruclips.net/video/qYjICAaUG1Q/видео.html) dependiendo el dominio. Para apoyar un poco mi afirmación, aquí va un vínculo a documentación de R para eliminar variables redundantes, la cual permite indicar el tipo de correlación: search.r-project.org/CRAN/refmans/cytominer/html/correlation_threshold.html
@@CodigoMaquina muchísimas gracias, revisaré el material...gracias por tu apoyo.
Genial
Muchas gracias @jhojansolano4249