Hola @GeeKBio, muchas gracias por tu interés en este tema. Lo vamos a tener en cuenta dentro del plan de contenido que tenemos para el canal. Tu aporte es muy valioso!!! muchas gracias!!!
Muchas gracias Edwin, espero te sea útil el contenido, si sabes de alguien más que lo necesite te pediría que por favor lo compartieras, de esa forma nos ayudas para poder generar más aportes. Un saludo ☺️!!
Muchas gracias, espero que te sea útil. Un saludo !!! Si quieres más contenido como éste no olvides suscribirte al canal y activar la campanita para que UA-cam te notifique cuando suba otro video !!
Con gusto, esperamos que te sea útil... En cuanto tengamos el otro vídeo lo publicaremos, no olvides suscribirte para que UA-cam te notifique un saludo !!
Si no hay correlación entre dos variables, significa que no hay una relación lineal clara entre ellas. Esto no necesariamente significa que no haya ninguna relación entre las dos variables. En este caso, puede ser útil explorar otros tipos de relaciones, como relaciones no lineales o relaciones causales. También puede ser útil investigar más sobre las dos variables y su contexto para intentar entender mejor por qué no hay correlación entre ellas. Gracias por tu comentario 😁
@@Aquapying muchisimas gracias por su respuesta, tengo otra consultita y es la última: mis variables cuantitativas principales tiene una correlacion NO LINEAL, como proseguir, que modelos puedo usar en esos casos ?
Si tiene variables no lineales que no muestran correlación, una posible solución es transformar esas variables en otras que sí muestren correlación. Una forma de hacerlo es aplicando una función matemática a las variables originales, como por ejemplo una función logarítmica o una función exponencial. Otra opción es combinar las variables originales de alguna forma para crear nuevas variables que sí muestren correlación. También puedes considerar utilizar un modelo de machine learning que no requiera que las variables estén correlacionadas, como por ejemplo un modelo basado en árboles de decisión. Estos modelos pueden manejar variables no lineales y no correlacionadas de forma efectiva, y pueden ofrecer resultados precisos incluso en situaciones donde las variables originales no muestran una correlación clara. En cualquier caso, recuerda que la falta de correlación entre dos variables no significa necesariamente que esas variables no tengan un efecto en el resultado final. Por lo tanto, si decides utilizar un modelo de machine learning, es importante evaluar cuidadosamente el rendimiento del modelo y asegurarse de que está haciendo predicciones precisas. Un saludo 😊
![Cómo Calcular Correlaciones en Python: Guía Completa en 7 Pasos [Pearson, Kendall, Spearman]](http://i.ytimg.com/vi/9NllQezOqPs/mqdefault.jpg)
![Cómo Calcular Correlaciones en Python: Guía Completa en 7 Pasos [Pearson, Kendall, Spearman]](/img/tr.png)
Esperando mas videos sobre este tema!!!
Hola @GeeKBio, muchas gracias por tu interés en este tema. Lo vamos a tener en cuenta dentro del plan de contenido que tenemos para el canal. Tu aporte es muy valioso!!! muchas gracias!!!
Excelente video, voy a suscribirme y compartir.
Muchas gracias Ramiro un saludo !!!
Buen video, gracias por la informacion
Gracias a ti José Daniel Un Saludo!
Muchas gracias Bro, sos un crak
Muchas gracias Juanitos por tu comentario, espero que el contenido sea útil para ti !!
Excelente videotutorial, esperamos que continue con más aportes.
Muchas gracias Edwin, espero te sea útil el contenido, si sabes de alguien más que lo necesite te pediría que por favor lo compartieras, de esa forma nos ayudas para poder generar más aportes. Un saludo ☺️!!
¡Genial! ¡Súper bien explicado y muy fácil de entender! Sigue con más videos de este estilo.
Mucha gracias Moni !!!
@@Aquapying A ti
Que explicación tan estupenda, lo entendí muy bien
Muchas gracias, espero que te sea útil. Un saludo !!! Si quieres más contenido como éste no olvides suscribirte al canal y activar la campanita para que UA-cam te notifique cuando suba otro video !!
Muchas gracias por tu explicación, espero con ansias la aplicación en Python 😊.
Con gusto, esperamos que te sea útil... En cuanto tengamos el otro vídeo lo publicaremos, no olvides suscribirte para que UA-cam te notifique un saludo !!
@@Aquapying muchas gracias 😊
Muy buen video esta bien exlicado ,me gusto
Adoró python
Jeje creo que todos aquí lo adoramos!!!gracias por compartirlo.. ☺️👍🙂👏
Increíble tu explicación, cuando subes la aplicación en Python ?
Obrigada!!
Muito obrigado por comentar!!!
gracias por el video, tengo una duda que hacer si no hay correlación ?
Si no hay correlación entre dos variables, significa que no hay una relación lineal clara entre ellas. Esto no necesariamente significa que no haya ninguna relación entre las dos variables. En este caso, puede ser útil explorar otros tipos de relaciones, como relaciones no lineales o relaciones causales. También puede ser útil investigar más sobre las dos variables y su contexto para intentar entender mejor por qué no hay correlación entre ellas. Gracias por tu comentario 😁
@@Aquapying muchisimas gracias por su respuesta, tengo otra consultita y es la última: mis variables cuantitativas principales tiene una correlacion NO LINEAL, como proseguir, que modelos puedo usar en esos casos ?
Si tiene variables no lineales que no muestran correlación, una posible solución es transformar esas variables en otras que sí muestren correlación. Una forma de hacerlo es aplicando una función matemática a las variables originales, como por ejemplo una función logarítmica o una función exponencial. Otra opción es combinar las variables originales de alguna forma para crear nuevas variables que sí muestren correlación.
También puedes considerar utilizar un modelo de machine learning que no requiera que las variables estén correlacionadas, como por ejemplo un modelo basado en árboles de decisión. Estos modelos pueden manejar variables no lineales y no correlacionadas de forma efectiva, y pueden ofrecer resultados precisos incluso en situaciones donde las variables originales no muestran una correlación clara.
En cualquier caso, recuerda que la falta de correlación entre dos variables no significa necesariamente que esas variables no tengan un efecto en el resultado final. Por lo tanto, si decides utilizar un modelo de machine learning, es importante evaluar cuidadosamente el rendimiento del modelo y asegurarse de que está haciendo predicciones precisas. Un saludo 😊
@@Aquapying muchas gracias por la ayuda