R for Data Science

Manual práctico publicado por Packt en el que Dan Toomey introduce las capacidades del lenguaje R (orientado al entorno de R 3.x) para resolver problemas de minería de datos, análisis multivariante y aprendizaje automático. Está orientado a desarrolladores de software, analistas de datos y profesionales de inteligencia de negocios con nivel intermedio que conocen conceptos matemáticos básicos y buscan una guía directa para ejecutar técnicas de minería de patrones y modelos predictivos en R sin detenerse en excesiva teoría probabilística.

El contenido se divide en cuatro bloques especializados: minería de datos (detección de anomalías, reglas de asociación con apriori y arules, análisis de secuencias temporales con TraMineR y minería de texto mediante tm para construir matrices de términos y nubes de palabras), análisis estadístico (regresión lineal simple, múltiple y robusta, correlación de Pearson y Spearman, y clustering jerárquico y k-means), visualización de datos (gráficos base de R, funciones de alto nivel con lattice y ggplot2, y representaciones tridimensionales e interactivas con scatterplot3d y rgl) y aprendizaje automático (partición de muestras en entrenamiento y prueba, modelos de clasificación con árboles de decisión, regresión logística, Naive Bayes, redes neuronales y vectores de soporte con librerías como e1071 o nnet).

El texto propone recetas de código y ejemplos aplicados para analizar patrones de compra (market basket analysis), segmentación de clientes, clasificación de textos y detección de fraudes o anomalías mediante scripts en R. Su principal atractivo es su amplitud temático-funcional, cubriendo áreas como la minería de secuencias y las visualizaciones en 3D que rara vez aparecen en libros introductorios. Por haber sido publicado en 2014, utiliza en gran medida la sintaxis clásica de R y librerías anteriores a la consolidación del Tidyverse o Tidymodels. Resulta un recetario práctico muy aprovechable si se busca comprender la diversidad de paquetes analíticos tradicionales de R.