Integradora 4 1

IKEA

IKEA

Titanic & Cáncer de mama

Titanic & Cáncer de mama

Renta de bicis & casas

Renta de bicis

Shiny Casas

Caso Casas

Gastos Médicos

“La siguiente aplicación no corre debido a un error en la base de datos (estoy segura que está correcto el ejercicio) pero no entiendo porqué no corre la base de datos, me carca como si no estuviera ebien localizada (lo cual si está en el lugar correcto).

This is a Shiny web application. You can run the application by clicking # the ‘Run App’ button above. # # Find out more about building applications with Shiny here: # # http://shiny.rstudio.com/ #

library(shiny)

Define UI for application that draws a histogram

ui <- fluidPage(

# Application title
titlePanel("Old Faithful Geyser Data"),

# Sidebar with a slider input for number of bins 
sidebarLayout(
    sidebarPanel(
        sliderInput("bins",
                    "Number of bins:",
                    min = 1,
                    max = 50,
                    value = 30)
    ),

    # Show a plot of the generated distribution
    mainPanel(
       plotOutput("distPlot")
    )
)

)

Define server logic required to draw a histogram

server <- function(input, output) {

output$distPlot <- renderPlot({
    # generate bins based on input$bins from ui.R
    x    <- faithful[, 2]
    bins <- seq(min(x), max(x), length.out = input$bins + 1)

    # draw the histogram with the specified number of bins
    hist(x, breaks = bins, col = 'purple', border = 'white',
         xlab = 'Waiting time to next eruption (in mins)',
         main = 'Histogram of waiting times')
})

}

Run the application

shinyApp(ui = ui, server = server)

Carga las bibliotecas necesarias

library(shiny) library(dplyr)

Carga tu base de datos ‘base_filtrada’ (asegúrate de que ya tengas ‘base_filtrada’ creada previamente)

ClaimsData2018 <- read.csv(“C:/Users/lynet/OneDrive/Documents/ClaimsData2018.csv”)

Crea una nueva base de datos con las columnas deseadas

base_filtrada <- ClaimsData2018[, c(“TotalPaid”, “IncidentDate”, “Gender”, “BodyPart”)]

Entrena un modelo de regresión (reemplaza esto con tu propio modelo entrenado)

modelo_dummy <- lm(TotalPaid ~ IncidentDate + Gender + BodyPart, data = base_filtrada)

Define la UI de la aplicación

ui <- fluidPage( titlePanel(“Estimación de TotalPaid”), sidebarLayout( sidebarPanel( dateInput(“incident_date”, “IncidentDate:”), selectInput(“gender”, “Gender:”, c(“Male”, “Female”, “Other”)), textInput(“body_part”, “BodyPart:”) ), mainPanel( textOutput(“total_paid_estimate”) ) ) )

Define el servidor de la aplicación

server <- function(input, output) { # Función para estimar TotalPaid calcular_total_paid <- function(data) { # Utiliza el modelo de regresión para hacer la estimación total_paid_estimado <- predict(modelo_dummy, newdata = data) return(total_paid_estimado) }

# Crear una tabla con los resultados output\(total_paid_estimate <- renderText({ incident_date <- input\)incident_date gender <- input\(gender body_part <- input\)body_part

# Crea un nuevo dataframe con las entradas del usuario
nueva_entrada <- data.frame(
  IncidentDate = as.Date(incident_date),
  Gender = gender,
  BodyPart = body_part
)

# Utiliza el modelo para hacer la estimación
total_paid_estimado <- calcular_total_paid(nueva_entrada)
return(paste("Estimación de TotalPaid:", total_paid_estimado))

}) }

Crea la aplicación Shiny

shinyApp(ui = ui, server = server)”