{"id":15979,"date":"2022-04-24T19:09:43","date_gmt":"2022-04-24T18:09:43","guid":{"rendered":"https:\/\/complex-systems-ai.com\/?page_id=15979"},"modified":"2022-11-27T21:08:37","modified_gmt":"2022-11-27T20:08:37","slug":"selection-des-colonnes","status":"publish","type":"page","link":"https:\/\/complex-systems-ai.com\/es\/analisis-de-datos\/seleccion-de-columnas\/","title":{"rendered":"Selecci\u00f3n de columnas"},"content":{"rendered":"<div data-elementor-type=\"wp-page\" data-elementor-id=\"15979\" class=\"elementor elementor-15979\">\n\t\t\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-6f22d74 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"6f22d74\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-12395e3\" data-id=\"12395e3\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-f47fa18 elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"f47fa18\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/complex-systems-ai.com\/es\/analisis-de-datos\/\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">An\u00e1lisis de datos<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-a6c743b\" data-id=\"a6c743b\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-c75a9c0 elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"c75a9c0\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/complex-systems-ai.com\/es\/\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Pagina de inicio<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-e2c918a\" data-id=\"e2c918a\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-a0d0a27 elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"a0d0a27\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/en.wikipedia.org\/wiki\/Data_analysis\" target=\"_blank\" rel=\"noopener\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Wiki<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-47942c9 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"47942c9\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-46273d5\" data-id=\"46273d5\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-b46b9b6 elementor-widget elementor-widget-text-editor\" data-id=\"b46b9b6\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Los conjuntos de datos modernos son muy ricos en informaci\u00f3n con datos recopilados de millones de dispositivos y sensores de IoT. Esto genera datos de gran dimensi\u00f3n y es bastante com\u00fan ver conjuntos de datos con cientos de caracter\u00edsticas y no es inusual verlos crecer hasta decenas de miles.<\/p><p>La selecci\u00f3n de columnas\/caracter\u00edsticas es un elemento muy cr\u00edtico en el flujo de trabajo de un cient\u00edfico de datos. Cuando se presentan datos con una dimensionalidad muy alta, los modelos suelen ahogarse porque<\/p><ol><li>El tiempo de entrenamiento aumenta exponencialmente con el n\u00famero de funciones.<\/li><li>Los modelos tienen un riesgo cada vez mayor de sobreajustarse con un n\u00famero cada vez mayor de funciones.<\/li><li>Los m\u00e9todos de selecci\u00f3n de caracter\u00edsticas ayudan a resolver estos problemas al reducir las dimensiones sin mucha p\u00e9rdida de la informaci\u00f3n total. Tambi\u00e9n ayuda a dar sentido a las caracter\u00edsticas y su importancia.<\/li><\/ol><p><img decoding=\"async\" class=\"aligncenter wp-image-11096 size-full\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/09\/cropped-Capture.png\" alt=\"selecci\u00f3n de columna\" width=\"97\" height=\"97\" title=\"\"><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-cd73c46 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"cd73c46\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-530ce84\" data-id=\"530ce84\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-e4cdfcf elementor-widget elementor-widget-heading\" data-id=\"e4cdfcf\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_82_2 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Contenido<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Tabla de contenido alternativo\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Palanca<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/complex-systems-ai.com\/es\/analisis-de-datos\/seleccion-de-columnas\/#Selection-des-colonnes\" >Selecci\u00f3n de columnas<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/complex-systems-ai.com\/es\/analisis-de-datos\/seleccion-de-columnas\/#Methodes-de-filtrage\" >M\u00e9todos de filtrado<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/complex-systems-ai.com\/es\/analisis-de-datos\/seleccion-de-columnas\/#F-Test\" >Prueba F<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/complex-systems-ai.com\/es\/analisis-de-datos\/seleccion-de-columnas\/#Information-mutuelle\" >Informaci\u00f3n mutua<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/complex-systems-ai.com\/es\/analisis-de-datos\/seleccion-de-columnas\/#Seuil-de-variance\" >Umbral de varianza<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/complex-systems-ai.com\/es\/analisis-de-datos\/seleccion-de-columnas\/#Methodes-demballage-wrapper\" >M\u00e9todos de envoltura (envoltura)<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/complex-systems-ai.com\/es\/analisis-de-datos\/seleccion-de-columnas\/#Forward-Search\" >Hacia adelanteB\u00fasqueda<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/complex-systems-ai.com\/es\/analisis-de-datos\/seleccion-de-columnas\/#Recursive-Feature-Elimination\" >Eliminaci\u00f3n de caracter\u00edsticas recursivas<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/complex-systems-ai.com\/es\/analisis-de-datos\/seleccion-de-columnas\/#Methodes-embarquees-embedded\" >M\u00e9todos integrados<\/a><\/li><\/ul><\/nav><\/div>\n<h2 class=\"elementor-heading-title elementor-size-default\"><span class=\"ez-toc-section\" id=\"Selection-des-colonnes\"><\/span>Selecci\u00f3n de columnas<span class=\"ez-toc-section-end\"><\/span><\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-39961dc elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"39961dc\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-b78f8b6\" data-id=\"b78f8b6\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-9472183 elementor-widget elementor-widget-text-editor\" data-id=\"9472183\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>En esta p\u00e1gina, analizo las siguientes t\u00e9cnicas de selecci\u00f3n de funciones y sus caracter\u00edsticas.<\/p><ol><li>M\u00e9todos de filtrado<\/li><li>m\u00e9todos de embalaje y<\/li><li>M\u00e9todos integrados.<\/li><\/ol>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-e4036a6 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"e4036a6\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-d631d80\" data-id=\"d631d80\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-d92e6bd elementor-widget elementor-widget-heading\" data-id=\"d92e6bd\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\"><span class=\"ez-toc-section\" id=\"Methodes-de-filtrage\"><\/span>M\u00e9todos de filtrado<span class=\"ez-toc-section-end\"><\/span><\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-e589ebc elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"e589ebc\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-d24ce7d\" data-id=\"d24ce7d\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-9991695 elementor-widget elementor-widget-text-editor\" data-id=\"9991695\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p id=\"ada8\" class=\"pw-post-body-paragraph jx jy ja jz b ka mp kc kd ke mq kg kh ki mr kk kl km ms ko kp kq mt ks kt ku it gc\" data-selectable-paragraph=\"\">Los m\u00e9todos de filtro tienen en cuenta la relaci\u00f3n entre las caracter\u00edsticas y la variable de destino para calcular la importancia de las caracter\u00edsticas.<\/p><h3 id=\"823b\" class=\"mu ls ja bn lt mv mw mx lx my mz na mb ki nb nc mf km nd ne mj kq nf ng mn nh gc\"><span class=\"ez-toc-section\" id=\"F-Test\"><\/span>Prueba F<span class=\"ez-toc-section-end\"><\/span><\/h3><p id=\"a715\" class=\"pw-post-body-paragraph jx jy ja jz b ka mp kc kd ke mq kg kh ki mr kk kl km ms ko kp kq mt ks kt ku it gc\" data-selectable-paragraph=\"\">F-Test es una prueba estad\u00edstica utilizada para comparar modelos y verificar si la diferencia es significativa entre los modelos.<\/p><p id=\"5796\" class=\"pw-post-body-paragraph jx jy ja jz b ka kb kc kd ke kf kg kh ki kj kk kl km kn ko kp kq kr ks kt ku it gc\" data-selectable-paragraph=\"\">F-Test hace un modelo de prueba de hip\u00f3tesis X e Y donde X es un modelo creado solo por una constante e Y es el modelo creado por una constante y una caracter\u00edstica.<\/p><p id=\"93f2\" class=\"pw-post-body-paragraph jx jy ja jz b ka kb kc kd ke kf kg kh ki kj kk kl km kn ko kp kq kr ks kt ku it gc\" data-selectable-paragraph=\"\">Se comparan los errores de m\u00ednimos cuadrados en los dos modelos y se comprueba si la diferencia de errores entre los modelos X e Y es significativa o se introduce por casualidad.<\/p><p id=\"5253\" class=\"pw-post-body-paragraph jx jy ja jz b ka kb kc kd ke kf kg kh ki kj kk kl km kn ko kp kq kr ks kt ku it gc\" data-selectable-paragraph=\"\">F-Test es \u00fatil en la selecci\u00f3n de caracter\u00edsticas a medida que conocemos la importancia de cada caracter\u00edstica para mejorar el modelo.<\/p><p id=\"86d0\" class=\"pw-post-body-paragraph jx jy ja jz b ka kb kc kd ke kf kg kh ki kj kk kl km kn ko kp kq kr ks kt ku it gc\" data-selectable-paragraph=\"\">Scikit learn proporciona las mejores funciones de K utilizando F-Test.<\/p><pre class=\"kw kx ky kz gz ni bt nj\"><span id=\"2831\" class=\"gc mu ls ja nk b do nl nm l nn\" data-selectable-paragraph=\"\">sklearn.feature_selection.f_regresi\u00f3n<\/span><\/pre><p id=\"988c\" class=\"pw-post-body-paragraph jx jy ja jz b ka kb kc kd ke kf kg kh ki kj kk kl km kn ko kp kq kr ks kt ku it gc\" data-selectable-paragraph=\"\">Para columnas de tipo de clasificaci\u00f3n:<\/p><pre class=\"kw kx ky kz gz ni bt nj\"><span id=\"1d8f\" class=\"gc mu ls ja nk b do nl nm l nn\" data-selectable-paragraph=\"\">sklearn.feature_selection.f_classif<\/span><\/pre><p id=\"674a\" class=\"pw-post-body-paragraph jx jy ja jz b ka kb kc kd ke kf kg kh ki kj kk kl km kn ko kp kq kr ks kt ku it gc\" data-selectable-paragraph=\"\">Hay algunas desventajas de usar F-Test para seleccionar sus caracter\u00edsticas. F-Test solo verifica y captura relaciones lineales entre entidades y etiquetas. Una caracter\u00edstica altamente correlacionada recibe una puntuaci\u00f3n m\u00e1s alta y las caracter\u00edsticas menos correlacionadas reciben una puntuaci\u00f3n m\u00e1s baja.<\/p><ol><li id=\"0bff\" class=\"ld le ja jz b ka kb ke kf ki lf km lg kq lh ku li lj lk ll gc\" data-selectable-paragraph=\"\">los <a href=\"https:\/\/complex-systems-ai.com\/es\/correlacion-y-regresiones\/\">correlaci\u00f3n<\/a> es muy enga\u00f1oso porque no captura fuertes relaciones no lineales.<\/li><li id=\"bf4e\" class=\"pw-post-body-paragraph jx jy ja jz b ka kb kc kd ke kf kg kh ki kj kk kl km kn ko kp kq kr ks kt ku it gc\">Usar estad\u00edsticas crudas como la correlaci\u00f3n puede ser una mala idea, como ilustra el cuarteto de Anscombe.<\/li><\/ol><p><img fetchpriority=\"high\" decoding=\"async\" class=\"aligncenter wp-image-15985 size-full\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_oMbcPjuDprAu_QAGizFf7g.png\" alt=\"\" width=\"990\" height=\"720\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_oMbcPjuDprAu_QAGizFf7g.png 990w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_oMbcPjuDprAu_QAGizFf7g-300x218.png 300w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_oMbcPjuDprAu_QAGizFf7g-768x559.png 768w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_oMbcPjuDprAu_QAGizFf7g-18x12.png 18w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_oMbcPjuDprAu_QAGizFf7g-600x436.png 600w\" sizes=\"(max-width: 990px) 100vw, 990px\" \/><\/p><p>Francis Anscombe ilustra c\u00f3mo cuatro conjuntos de datos separados tienen la misma media, varianza y correlaci\u00f3n para se\u00f1alar que las &quot;estad\u00edsticas resumidas&quot; no describen completamente los conjuntos de datos y pueden ser bastante enga\u00f1osas.<\/p><h3 id=\"41f8\" class=\"mu ls ja bn lt mv mw mx lx my mz na mb ki nb nc mf km nd ne mj kq nf ng mn nh gc\"><span class=\"ez-toc-section\" id=\"Information-mutuelle\"><\/span>Informaci\u00f3n mutua<span class=\"ez-toc-section-end\"><\/span><\/h3><p id=\"6224\" class=\"pw-post-body-paragraph jx jy ja jz b ka mp kc kd ke mq kg kh ki mr kk kl km ms ko kp kq mt ks kt ku it gc\" data-selectable-paragraph=\"\">La informaci\u00f3n mutua entre dos variables mide la dependencia de una variable respecto a otra. Si X e Y son dos variables, y<\/p><ol class=\"\"><li id=\"9b2e\" class=\"ld le ja jz b ka kb ke kf ki lf km lg kq lh ku li lj lk ll gc\" data-selectable-paragraph=\"\">Si X e Y son independientes, no se puede obtener informaci\u00f3n sobre Y conociendo X o viceversa. Por lo tanto, su <a href=\"https:\/\/complex-systems-ai.com\/es\/particionamiento-de-datos\/criterios-de-calidad-externos\/\">informaci\u00f3n mutua<\/a> es 0<\/li><li id=\"c398\" class=\"ld le ja jz b ka lm ke ln ki lo km lp kq lq ku li lj lk ll gc\" data-selectable-paragraph=\"\">Si X es una funci\u00f3n determinista de Y, entonces podemos determinar X a partir de Y e Y a partir de X con informaci\u00f3n mutua 1.<\/li><li id=\"4d4b\" class=\"ld le ja jz b ka lm ke ln ki lo km lp kq lq ku li lj lk ll gc\" data-selectable-paragraph=\"\">Cuando tenemos Y = f(X,Z,M,N), 0 &lt; informaci\u00f3n mutua &lt; 1<\/li><\/ol><p id=\"23f2\" class=\"pw-post-body-paragraph jx jy ja jz b ka kb kc kd ke kf kg kh ki kj kk kl km kn ko kp kq kr ks kt ku it gc\" data-selectable-paragraph=\"\">Podemos seleccionar nuestras caracter\u00edsticas del espacio de caracter\u00edsticas clasificando su informaci\u00f3n mutua con la variable de destino.<\/p><p id=\"3c42\" class=\"pw-post-body-paragraph jx jy ja jz b ka kb kc kd ke kf kg kh ki kj kk kl km kn ko kp kq kr ks kt ku it gc\" data-selectable-paragraph=\"\">La ventaja de usar informaci\u00f3n mutua sobre F-Test es que funciona bien con la relaci\u00f3n no lineal entre la funci\u00f3n y la variable de destino.<\/p><p id=\"d38a\" class=\"pw-post-body-paragraph jx jy ja jz b ka kb kc kd ke kf kg kh ki kj kk kl km kn ko kp kq kr ks kt ku it gc\" data-selectable-paragraph=\"\">Sklearn ofrece una selecci\u00f3n de funcionalidades con informaci\u00f3n mutua para tareas de <a href=\"https:\/\/complex-systems-ai.com\/es\/correlacion-y-regresiones\/transformacion-de-datos-y-regresion\/\">regresi\u00f3n<\/a> y clasificaci\u00f3n.<\/p><pre class=\"kw kx ky kz gz ni bt nj\"><span id=\"c6a2\" class=\"gc mu ls ja nk b do nl nm l nn\" data-selectable-paragraph=\"\">sklearn.feature_selection.mututal_info_regression <br \/>sklearn.feature_selection.mututal_info_classif<\/span><\/pre><figure class=\"kw kx ky kz gz la gn go paragraph-image\"><div class=\"nq nr dq ns cf nt\" tabindex=\"0\" role=\"button\"><div><img decoding=\"async\" class=\"aligncenter wp-image-15986 size-large\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_Kr8bbyVaQNLCZBPUXs8b1g-1024x357.png\" alt=\"\" width=\"1024\" height=\"357\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_Kr8bbyVaQNLCZBPUXs8b1g-1024x357.png 1024w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_Kr8bbyVaQNLCZBPUXs8b1g-300x105.png 300w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_Kr8bbyVaQNLCZBPUXs8b1g-768x268.png 768w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_Kr8bbyVaQNLCZBPUXs8b1g-18x6.png 18w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_Kr8bbyVaQNLCZBPUXs8b1g-600x209.png 600w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_Kr8bbyVaQNLCZBPUXs8b1g.png 1400w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/div><div>F-Test captura bien la relaci\u00f3n lineal. La informaci\u00f3n mutua captura cualquier tipo de relaci\u00f3n entre dos variables. http:\/\/scikit-learn.org\/stable\/auto_examples\/feature_selection\/plot_f_test_vs_mi.html<\/div><div>\u00a0<\/div><\/div><\/figure><h3 id=\"7bbf\" class=\"mu ls ja bn lt mv mw mx lx my mz na mb ki nb nc mf km nd ne mj kq nf ng mn nh gc\"><span class=\"ez-toc-section\" id=\"Seuil-de-variance\"><\/span>Umbral de varianza<span class=\"ez-toc-section-end\"><\/span><\/h3><p id=\"7323\" class=\"pw-post-body-paragraph jx jy ja jz b ka mp kc kd ke mq kg kh ki mr kk kl km ms ko kp kq mt ks kt ku it gc\" data-selectable-paragraph=\"\">Este m\u00e9todo elimina entidades con variaci\u00f3n por debajo de un cierto umbral.<\/p><p id=\"93b7\" class=\"pw-post-body-paragraph jx jy ja jz b ka kb kc kd ke kf kg kh ki kj kk kl km kn ko kp kq kr ks kt ku it gc\" data-selectable-paragraph=\"\">La idea es que cuando una caracter\u00edstica no var\u00eda mucho por s\u00ed sola, por lo general tiene muy poco poder predictivo.<\/p><pre class=\"kw kx ky kz gz ni bt nj\"><span id=\"717e\" class=\"gc mu ls ja nk b do nl nm l nn\" data-selectable-paragraph=\"\">sklearn.feature_selection.VarianceThreshold<\/span><\/pre><p id=\"ddaf\" class=\"pw-post-body-paragraph jx jy ja jz b ka kb kc kd ke kf kg kh ki kj kk kl km kn ko kp kq kr ks kt ku it gc\" data-selectable-paragraph=\"\">El umbral de varianza no tiene en cuenta la relaci\u00f3n de las caracter\u00edsticas con la variable objetivo.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-b63b5d3 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"b63b5d3\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-f8b4e65\" data-id=\"f8b4e65\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-76a5407 elementor-widget elementor-widget-heading\" data-id=\"76a5407\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\"><span class=\"ez-toc-section\" id=\"Methodes-demballage-wrapper\"><\/span>M\u00e9todos de envoltura (envoltura)<span class=\"ez-toc-section-end\"><\/span><\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-fd474eb elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"fd474eb\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-b4d8433\" data-id=\"b4d8433\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-5913be2 elementor-widget elementor-widget-text-editor\" data-id=\"5913be2\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p id=\"9e54\" class=\"pw-post-body-paragraph jx jy ja jz b ka mp kc kd ke mq kg kh ki mr kk kl km ms ko kp kq mt ks kt ku it gc\" data-selectable-paragraph=\"\">Los m\u00e9todos de envoltura generan modelos con un subconjunto de funcionalidad y miden el rendimiento de sus modelos.<\/p><h3 id=\"8506\" class=\"mu ls ja bn lt mv mw mx lx my mz na mb ki nb nc mf km nd ne mj kq nf ng mn nh gc\"><span class=\"ez-toc-section\" id=\"Forward-Search\"><\/span>Hacia adelanteB\u00fasqueda<span class=\"ez-toc-section-end\"><\/span><\/h3><p id=\"47b7\" class=\"pw-post-body-paragraph jx jy ja jz b ka mp kc kd ke mq kg kh ki mr kk kl km ms ko kp kq mt ks kt ku it gc\" data-selectable-paragraph=\"\">Este m\u00e9todo le permite encontrar la mejor funci\u00f3n en relaci\u00f3n con el rendimiento del modelo y agregarla a su subconjunto de funciones de una en una.<\/p><p data-selectable-paragraph=\"\"><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-15987 size-large\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_YnXZS86uR2HibB3jlJB10A-1024x823.png\" alt=\"\" width=\"1024\" height=\"823\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_YnXZS86uR2HibB3jlJB10A-1024x823.png 1024w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_YnXZS86uR2HibB3jlJB10A-300x241.png 300w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_YnXZS86uR2HibB3jlJB10A-768x617.png 768w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_YnXZS86uR2HibB3jlJB10A-15x12.png 15w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_YnXZS86uR2HibB3jlJB10A-600x482.png 600w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_YnXZS86uR2HibB3jlJB10A.png 1400w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/p><p class=\"pw-post-body-paragraph jx jy ja jz b ka mp kc kd ke mq kg kh ki mr kk kl km ms ko kp kq mt ks kt ku it gc\" data-selectable-paragraph=\"\">M\u00e9todo de selecci\u00f3n directa cuando se usa para seleccionar las mejores 3 caracter\u00edsticas de 5 caracter\u00edsticas, caracter\u00edsticas 3, 2 y 5 como el mejor subconjunto.<\/p><p>Para datos con n caracter\u00edsticas,<\/p><p>-&gt; En la primera ronda, se crean \u201cn\u201d modelos con funcionalidad individual y se selecciona la mejor funcionalidad predictiva.<\/p><p>-&gt; En la segunda ronda se crean modelos &quot;n-1&quot; con cada caracter\u00edstica y la caracter\u00edstica previamente seleccionada.<\/p><p>-&gt;Esto se repite hasta que se selecciona un mejor subconjunto de caracter\u00edsticas &quot;m&quot;.<\/p><h3 id=\"b047\" class=\"mu ls ja bn lt mv mw mx lx my mz na mb ki nb nc mf km nd ne mj kq nf ng mn nh gc\"><span class=\"ez-toc-section\" id=\"Recursive-Feature-Elimination\"><\/span>Eliminaci\u00f3n de caracter\u00edsticas recursivas<span class=\"ez-toc-section-end\"><\/span><\/h3><p id=\"ae64\" class=\"pw-post-body-paragraph jx jy ja jz b ka mp kc kd ke mq kg kh ki mr kk kl km ms ko kp kq mt ks kt ku it gc\" data-selectable-paragraph=\"\">Como sugiere el nombre, este m\u00e9todo elimina las caracter\u00edsticas de peor rendimiento en un modelo en particular, una tras otra, hasta que se conoce el mejor subconjunto de caracter\u00edsticas.<\/p><p data-selectable-paragraph=\"\"><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-15988 size-large\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_qXqx7_hDtsO9ez7_nxSXOw-1024x689.png\" alt=\"\" width=\"1024\" height=\"689\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_qXqx7_hDtsO9ez7_nxSXOw-1024x689.png 1024w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_qXqx7_hDtsO9ez7_nxSXOw-300x202.png 300w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_qXqx7_hDtsO9ez7_nxSXOw-768x517.png 768w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_qXqx7_hDtsO9ez7_nxSXOw-18x12.png 18w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_qXqx7_hDtsO9ez7_nxSXOw-600x404.png 600w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_qXqx7_hDtsO9ez7_nxSXOw.png 1400w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/p><figure class=\"kw kx ky kz gz la gn go paragraph-image\"><figcaption class=\"nu bm gp gn go nv nw bn b bo bp co\" data-selectable-paragraph=\"\">La eliminaci\u00f3n recursiva elimina las caracter\u00edsticas menos explicativas una tras otra. Las caracter\u00edsticas 2, 3 y 5 son el mejor subconjunto de caracter\u00edsticas que llegaron por eliminaci\u00f3n recursiva.<\/figcaption><\/figure><p>Para datos con n caracter\u00edsticas,<\/p><p>-&gt; En la primera ronda, se crean modelos \u201cn-1\u201d con una combinaci\u00f3n de todas las caracter\u00edsticas excepto una. Se elimina la caracter\u00edstica de peor rendimiento<\/p><p>-&gt; En la segunda ronda, los modelos &quot;n-2&quot; se crean eliminando otra caracter\u00edstica.<\/p><p>Wrapper Methods le promete un mejor conjunto de caracter\u00edsticas con una extensa b\u00fasqueda codiciosa.<\/p><p>Pero la principal desventaja de los m\u00e9todos de envoltura es la cantidad de modelos que deben entrenarse. Es muy costoso computacionalmente y poco pr\u00e1ctico con una gran cantidad de caracter\u00edsticas.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-4af10e0 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"4af10e0\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-5578c60\" data-id=\"5578c60\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-9699df1 elementor-widget elementor-widget-heading\" data-id=\"9699df1\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\"><span class=\"ez-toc-section\" id=\"Methodes-embarquees-embedded\"><\/span>M\u00e9todos integrados<span class=\"ez-toc-section-end\"><\/span><\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-b974a29 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"b974a29\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-99ceac8\" data-id=\"99ceac8\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-4e9476d elementor-widget elementor-widget-text-editor\" data-id=\"4e9476d\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p id=\"70ea\" class=\"pw-post-body-paragraph jx jy ja jz b ka mp kc kd ke mq kg kh ki mr kk kl km ms ko kp kq mt ks kt ku it gc\" data-selectable-paragraph=\"\">La selecci\u00f3n de caracter\u00edsticas tambi\u00e9n se puede lograr a trav\u00e9s de la informaci\u00f3n proporcionada por algunos modelos de aprendizaje autom\u00e1tico.<\/p><p id=\"6d9f\" class=\"pw-post-body-paragraph jx jy ja jz b ka kb kc kd ke kf kg kh ki kj kk kl km kn ko kp kq kr ks kt ku it gc\" data-selectable-paragraph=\"\">La regresi\u00f3n lineal LASSO se puede utilizar para selecciones de caracter\u00edsticas. La regresi\u00f3n de Lasso se realiza agregando un t\u00e9rmino adicional a la funci\u00f3n de costo de regresi\u00f3n lineal. Esto, adem\u00e1s de evitar el sobreajuste, tambi\u00e9n reduce a cero los coeficientes de las caracter\u00edsticas menos importantes.<\/p><p data-selectable-paragraph=\"\"><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-15989 size-full\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_jb_Zlb85QsArbwC6PEjrHg.png\" alt=\"\" width=\"802\" height=\"830\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_jb_Zlb85QsArbwC6PEjrHg.png 802w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_jb_Zlb85QsArbwC6PEjrHg-290x300.png 290w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_jb_Zlb85QsArbwC6PEjrHg-768x795.png 768w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_jb_Zlb85QsArbwC6PEjrHg-12x12.png 12w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2022\/04\/1_jb_Zlb85QsArbwC6PEjrHg-600x621.png 600w\" sizes=\"(max-width: 802px) 100vw, 802px\" \/><\/p><figure class=\"kw kx ky kz gz la gn go paragraph-image\"><figcaption class=\"nu bm gp gn go nv nw bn b bo bp co\" data-selectable-paragraph=\"\">Como variamos \u019b en la funci\u00f3n de costo, los coeficientes se han trazado en este gr\u00e1fico. Observamos que para \u019b ~=0, los coeficientes de la mayor\u00eda de los rasgos tienden a cero. En el gr\u00e1fico anterior, podemos ver que solo \u201clcavol\u201d, \u201csvi\u201d y \u201clweight\u201d son las caracter\u00edsticas con coeficientes distintos de cero cuando \u019b = 0.4.<\/figcaption><\/figure><p>Los modelos basados en \u00e1rboles calculan la importancia de las caracter\u00edsticas porque necesitan mantener las caracter\u00edsticas de mejor rendimiento lo m\u00e1s cerca posible de la ra\u00edz del \u00e1rbol. Construir un <a href=\"https:\/\/complex-systems-ai.com\/es\/teoria-de-grafos\/arboles-y-arboles\/\">\u00e1rbol<\/a> La toma de decisiones implica calcular la mejor caracter\u00edstica predictiva.<\/p><p>Los \u00e1rboles de decisi\u00f3n mantienen las caracter\u00edsticas m\u00e1s importantes cerca de la ra\u00edz. En este \u00e1rbol de decisi\u00f3n encontramos que el n\u00famero de patas es la caracter\u00edstica m\u00e1s importante, seguido de si se esconde debajo de la cama, si est\u00e1 delicioso, etc.<\/p><p>La importancia de las caracter\u00edsticas en los modelos basados en \u00e1rboles se calcula en funci\u00f3n del \u00edndice de <a href=\"https:\/\/complex-systems-ai.com\/es\/analisis-de-datos\/entropia-y-error-de-gini\/\">Gini<\/a>, entrop\u00eda o valor de chi-cuadrado.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"<p>P\u00e1gina de inicio de Wiki de an\u00e1lisis de datos Los conjuntos de datos modernos son muy ricos en informaci\u00f3n con datos recopilados de millones de dispositivos... <\/p>","protected":false},"author":1,"featured_media":0,"parent":15503,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-15979","page","type-page","status-publish","hentry"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/15979","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/comments?post=15979"}],"version-history":[{"count":4,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/15979\/revisions"}],"predecessor-version":[{"id":17880,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/15979\/revisions\/17880"}],"up":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/15503"}],"wp:attachment":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/media?parent=15979"}],"curies":[{"name":"gracias","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}