Repositorio que contiene notebooks con la solución a problemas de minería de datos:

• Preparación de datos A lo largo de esta práctica veremos como aplicar distintas técnicas para la carga y preparación de datos:

1. Carga de conjuntos de datos
2. Análisis de los datos
   1. Análisis estadístico básico
   2. Análisis exploratorio de los datos
3. Reducción de dimensionalidad
4. Entrenamiento y test

La solución es el archivo eda_pca_train_test.ipynb. Se usó el dataset Breast Cancer Wisconsin (Diagnostic) Data Set

• Métodos no supervisados A lo largo de esta práctica veremos como aplicar distintas técnicas no supervisadas así como algunas de sus aplicaciones reales:

1. Clustering con distintas estrategias: k-means y regla del codo, basadas en densidad y jerárquicas.
2. Aplicación: generación de imágenes con reducción de dimensionalidad. PCA y UMAP.
3. Aplicación: identificación de puntos de interés turísticos.

La solución es el archivo unsupervised_methods.ipynb. Se han usado los datasets de la librería scikit-learn: make_blobs, make_moons y make_circles