Causalidad

En este post vamos a mezclar R con Python. Los gráficos de modelos causales están hechos con el paquete dagitty. El resto con Python. Este blog se edita con blogdown y RStudio nos permite crear archivos Rmarkdown mezclando R y Python gracias al paquete reticulate. Vídeo introductorio: library(tidyverse, quietly = TRUE) ## Warning: package 'readr' was built under R version 4.1.2 library(dagitty) library(reticulate) Sys.setenv(RETICULATE_PYTHON="") options(reticulate.repl.quiet = TRUE) reticulate::use_condaenv("ml-course-edix") import warnings warnings.

A menudo oimos lo mala que es la multicolinealidad en los modelos de regresión. En este artículo vamos a ver en qué consiste y cuáles son sus efectos, lo que nos llevará, curiosamente, a otras disquisiciones habituales: ¿Qué diferencia hay entre inferencia y predicción? ¿Qué enfoque es mejor? Machine Learning: lo meto todo en la coctelera sin darle muchas vueltas a la cabeza y pruebo muchos tipos de modelo y consjuntos de hperparámetros.