Machine Learning With R Cookbook

Recetario práctico desarrollado por Chiu Yu-Wei (David Chiu) que compila más de 110 recetas paso a paso para resolver desafíos frecuentes de análisis predictivo y aprendizaje automático con R (versión 3.x) y el entorno RStudio. Está diseñado para analistas de datos, programadores y estadísticos con nivel intermedio que ya conocen la sintaxis básica de R y necesitan fórmulas directas y reutilizables para preparar datos, entrenar modelos y evaluar resultados sin detenerse en extensas derivaciones teóricas.

El libro estructura sus soluciones mediante el formato habitual de la serie Cookbook (Getting Ready, How to do it, How it works). Enseña técnicas de adquisición, limpieza e imputación de valores ausentes; modelos de regresión lineal, logística, Poisson y binomial; métodos de clasificación mediante árboles de decisión (rpart, ctree), algoritmos basados en instancias (k-NN), clasificadores bayesianos (naiveBayes), redes neuronales (nnet, neuralnet) y máquinas de vectores de soporte (e1071 / SVM); evaluación con métricas y curvas ROC usando caret y ROCR; ensambles (Random Forest, bagging, boosting); agrupamiento no supervisado (k-means, clustering jerárquico); minería de reglas de asociación y patrones secuenciales con arules; reducción de dimensiones con PCA; e introducción al análisis distribuido mediante RHadoop.

Cada solución se demuestra con datos reales o de prueba (como el análisis de supervivencia de los pasajeros del RMS Titanic o registros meteorológicos), lo que permite comprender inmediatamente la aplicación de cada técnica. Su principal virtud es la inmediatez para resolver cuellos de botella específicos en flujos de trabajo con R. Deja fuera la conceptualización matemática formal y la creación de aplicaciones completas de punta a punta, por lo que funciona esencialmente como manual de consulta operativa para el escritorio de trabajo.