{"id":605,"date":"2024-08-29T04:14:51","date_gmt":"2024-08-29T04:14:51","guid":{"rendered":"https:\/\/agustincastro.es\/?p=605"},"modified":"2026-02-05T13:49:33","modified_gmt":"2026-02-05T13:49:33","slug":"aplicacion-de-pca-en-datos-biomedicos-con-r-biopsias-de-tejido-mamario","status":"publish","type":"post","link":"https:\/\/agustincastro.es\/index.php\/2024\/08\/29\/aplicacion-de-pca-en-datos-biomedicos-con-r-biopsias-de-tejido-mamario\/","title":{"rendered":"\ud83d\udd0dAplicaci\u00f3n de <PCA> en Datos Biom\u00e9dicos con R – Biopsias de tejido mamario\ud83d\udcca"},"content":{"rendered":"\n

Este ejercicio est\u00e1 dise\u00f1ado para mostrar c\u00f3mo PCA puede simplificar y clarificar datos complejos<\/strong>, facilitando el an\u00e1lisis y la interpretaci\u00f3n de resultados.<\/p>\n\n\n\n

Pod\u00e9is consultar el desarrollo del an\u00e1lisis, y conclusiones aqu\u00ed<\/strong>:<\/p>\n\n\n\n

(1) https:\/\/rpubs.com\/acastro<\/a><\/p>\n\n\n\n

(2) https:\/\/github.com\/acastromartinez\/GITHUB—R<\/a><\/p>\n\n\n\n

\"\ud83d\udccc\" En este caso utilizo el dataset \u00abbiopsy<\/strong>\u00bb del paquete MASS<\/strong>, uno de los m\u00e1s populares y ampliamente utilizados en an\u00e1lisis estad\u00edstico. Fue desarrollado por el grupo de Venables y Ripley, y acompa\u00f1a el libro \u00abModern Applied Statistics with S\u00bb.<\/p>\n\n\n\n

\"\ud83d\udccc\" El conjunto de datos \u00abbiopsy\u00bb contiene informaci\u00f3n para la clasificaci\u00f3n de tumores mamarios en <benignos> o <malignos> seg\u00fan caracter\u00edsticas obtenidas a partir de im\u00e1genes de biopsias por aspiraci\u00f3n con aguja fina, en masas mamarias. Los datos incluyen tanto caracter\u00edsticas cuantitativas de las c\u00e9lulas como la clasificaci\u00f3n final del tumor. Es un dataset peque\u00f1o y manejable que ofrece diversidad de caracter\u00edsticas para aplicar m\u00faltiples t\u00e9cnicas de modelado y, es ideal para ense\u00f1ar y experimentar con an\u00e1lisis de datos y machine learning. Adem\u00e1s, est\u00e1 bien documentado y soportado en el paquete MASS de R.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n
\"\"<\/figure>\n\n\n\n
\"\"<\/figure>\n\n\n\n

\"\u270f\ufe0f\" PCA simplifica el an\u00e1lisis y mejora la visualizaci\u00f3n e interpretaci\u00f3n de los resultados<\/strong> al transformar las variables originales en un nuevo conjunto de componentes principales o factores. Estos componentes retienen la mayor cantidad de informaci\u00f3n posible, utilizando menos dimensiones. As\u00ed, el primer componente principal explica la mayor parte de la varianza en los datos, mientras que cada componente subsiguiente captura la mayor cantidad de varianza restante sin redundar en la informaci\u00f3n ya explicada por los componentes anteriores. El PCA es particularmente valioso para grandes conjuntos de datos, ya que permite una simplificaci\u00f3n significativa del an\u00e1lisis y una visualizaci\u00f3n efectiva, sin sacrificar la informaci\u00f3n relevante.<\/p>\n\n\n\n

Este ejercicio no solo demuestra la potencia de PCA en el an\u00e1lisis de datos biom\u00e9dicos, sino que tambi\u00e9n sirve como un recurso para quienes est\u00e1n aprendiendo t\u00e9cnicas de an\u00e1lisis multivariante en R. Espero que os resulte de inter\u00e9s, si fuera el caso.<\/p>\n\n\n\n

<\/p>\n","protected":false},"excerpt":{"rendered":"

Este ejercicio est\u00e1 dise\u00f1ado para mostrar c\u00f3mo PCA puede simplificar y clarificar datos complejos, facilitando el an\u00e1lisis y la interpretaci\u00f3n de resultados. Pod\u00e9is consultar el desarrollo del an\u00e1lisis, y conclusiones aqu\u00ed: (1) https:\/\/rpubs.com\/acastro (2) https:\/\/github.com\/acastromartinez\/GITHUB—R En este caso utilizo el dataset \u00abbiopsy\u00bb del paquete MASS, uno de los m\u00e1s populares y ampliamente utilizados en an\u00e1lisis […]<\/p>\n","protected":false},"author":1,"featured_media":609,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[8,7,5],"tags":[],"class_list":["post-605","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-portfolio","category-r","category-tecnica-y-practica"],"_links":{"self":[{"href":"https:\/\/agustincastro.es\/index.php\/wp-json\/wp\/v2\/posts\/605","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/agustincastro.es\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/agustincastro.es\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/agustincastro.es\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/agustincastro.es\/index.php\/wp-json\/wp\/v2\/comments?post=605"}],"version-history":[{"count":2,"href":"https:\/\/agustincastro.es\/index.php\/wp-json\/wp\/v2\/posts\/605\/revisions"}],"predecessor-version":[{"id":614,"href":"https:\/\/agustincastro.es\/index.php\/wp-json\/wp\/v2\/posts\/605\/revisions\/614"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/agustincastro.es\/index.php\/wp-json\/wp\/v2\/media\/609"}],"wp:attachment":[{"href":"https:\/\/agustincastro.es\/index.php\/wp-json\/wp\/v2\/media?parent=605"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/agustincastro.es\/index.php\/wp-json\/wp\/v2\/categories?post=605"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/agustincastro.es\/index.php\/wp-json\/wp\/v2\/tags?post=605"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}