Como otros han mencionado, los programas estadísticos son relativamente fáciles de usar y también están abiertos al abuso. Solo tengo un punto adicional que hacer;
Cada usuario debe considerar cada problema en su totalidad. El enfoque para resolver el problema puede ser similar (incorporar los datos y modelarlo) pero los problemas que cada conjunto de datos trae serán diferentes entre sí. Así que asegúrese de ejecutar las pruebas de diagnóstico y luego continúe. Una vez que alguien entiende lo que implica el parámetro de regresión o lo que significan los valores de p, poco cambiará de un software a otro (por supuesto, la metodología cambiaría).
O bien, los programas como R hacen que frotar las regresiones sea más fácil para usted y el resultado es similar a lo que produce Excel. Además, hay mucha documentación sobre estos temas que están disponibles en línea.
- ¿En qué casos las redes convolucionales no son una buena opción para la clasificación de imágenes?
- ¿Debería considerarse un experto en aprendizaje automático después de completar la clase de ML del profesor Andrew en Coursera?
- ¿Cuál es el beneficio de utilizar la agrupación promedio en lugar de la agrupación máxima?
- ¿Cómo se puede aplicar el aprendizaje profundo a la clasificación de palabras?
- ¿Qué es mejor para mí como estudiante? ¿Debería codificar los modelos de aprendizaje automático (donde pueda) o debería usar la biblioteca tanto como pueda?
Buena suerte
