1. Introducción al aprendizaje estadístico
1.1 Aprendizaje estadístico vs. aprendizaje automático
1.2 Métodos de aprendizaje estadístico
1.3 Construcción y evaluación de los modelos
1.4 La maldición de la dimensionalidad
1.5 Análisis e interpretación de los modelos
1.6 Introducción al paquete caret
2 Métodos clásicos de estadística
2.1 Regresión lineal múltiple
2.2 Modelos lineales generalizados
2.3 Otros métodos de clasificación
3 Árboles de decisión
3.1 Árboles de regresión CART
3.2 Árboles de clasificación CART
3.3 CART con el paquete rpart
3.4 Alternativas a los árboles CART
4. Bagging y boosting 133
4.1 Bagging
4.2 Bosques aleatorios
4.3 Bagging y bosques aleatorios en R
4.4 Boosting
4.5 Boosting en R
5. Máquinas de soporte vectorial
5.1 Clasificadores de máximo margen
5.2 Clasificadores de soporte vectorial
5.3 Máquinas de soporte vectorial
5.4 SVM en R
6 Extensiones de los modelos lineales (generalizados)
6.1 Métodos de regularización
6.2 Métodos de reducción de la dimensión
7 Regresión no paramétrica
7.1 Regresión local
7.2 Splines
7.3 Modelos aditivos
7.4 Regresión spline adaptativa multivariante
7.5 Projection pursuit
8 Redes neuronales
8.1 Single-hidden-layer feedforward network
8.2 Clasificación con ANN
8.3 Implementación en R
9788497498883 | 978-84-97498-88-3
