Curso de machine learning con R #02: Exploración general

Antes de entrenar cualquier modelo hay que entender los datos. Esta clase está dedicada al análisis exploratorio: un proceso que en la práctica ocupa más tiempo del que parece y que determina en gran medida la calidad de todo lo que viene después.

Se aprende a leer un dataset desde cero y a hacerse las preguntas correctas: ¿qué tipo de variable es cada columna? ¿Qué rango de valores toma? ¿Hay datos faltantes? ¿Existen valores que no tienen sentido? Para responderlas se usan las funciones de inspección básica de R y se construyen visualizaciones con ggplot2 que permiten ver las distribuciones de un vistazo.

La parte más interesante es la exploración de relaciones entre variables. ¿Los coches con más potencia son realmente más rápidos de 0 a 100? ¿El peso influye en el precio? Las respuestas no siempre son las que uno espera, y eso es precisamente lo que hace útil este paso.

La clase cierra con una matriz de correlación que muestra de forma visual cómo se relacionan todas las variables numéricas entre sí, lo que da pistas sobre qué predictores pueden ser más útiles más adelante.

Al terminar esta clase ya se tendrá una imagen clara de con qué datos se trabaja y qué problemas habrá que resolver antes de poder modelar.