Informe Exploratorio para Proyecto de Predicción

Introducción

El objetivo de este proyecto es mostrar el avance en el manejo de datos y presentar un análisis exploratorio inicial que permita diseñar un algoritmo de predicción y una aplicación Shiny.
Se utiliza el dataset iris (precargado en R) como ejemplo.

---

Carga de datos

data(iris)
head(iris)

##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa
## 2          4.9         3.0          1.4         0.2  setosa
## 3          4.7         3.2          1.3         0.2  setosa
## 4          4.6         3.1          1.5         0.2  setosa
## 5          5.0         3.6          1.4         0.2  setosa
## 6          5.4         3.9          1.7         0.4  setosa

Estadísticas resumidas

summary(iris)

##   Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
##  Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100  
##  1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
##  Median :5.800   Median :3.000   Median :4.350   Median :1.300  
##  Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199  
##  3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800  
##  Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
##        Species  
##  setosa    :50  
##  versicolor:50  
##  virginica :50  
##                 
##                 
## 

Tabla de conteos por especie:

table(iris$Species)

## 
##     setosa versicolor  virginica 
##         50         50         50

Análisis exploratorio

Conteo de líneas y palabras

#Número de filas (líneas de datos):
nrow(iris)

## [1] 150

# Número de columnas (variables): 
ncol(iris)

## [1] 5

Visualizaciones

Histograma

hist(iris$Sepal.Length, main="Distribución de Sepal.Length",
     xlab="Sepal Length", col="skyblue", border="white")

Boxplot comparativo

boxplot(Sepal.Length ~ Species, data=iris,
        main="Sepal Length por Especie",
        col=c("tomato","gold","lightgreen"))

Hallazgos principales

• Existen diferencias claras en las medidas de sépalos y pétalos entre especies.
• Se aprecia que Setosa tiene sépalos más cortos, mientras que Virginica tiende a valores más altos.
• Esto sugiere que es posible separar especies con base en estas variables.

Planes para el algoritmo de predicción:

• Algoritmo: Se entrenará un modelo de clasificación supervisada (ej. árbol de decisión o random forest) para predecir la especie según medidas de sépalos y pétalos.

• App Shiny: Se diseñará una aplicación que permita al usuario ingresar valores de medidas y obtener la predicción de la especie correspondiente.

• Objetivo final: Crear una herramienta sencilla para gestores que no sean científicos de datos, facilitando la interpretación.