La ciencia de datos combina elementos de estadística, informática, matemáticas y técnicas de análisis para resolver problemas, hacer predicciones y generar valor a partir de los datos. Se basa en grandes volúmenes de datos (big data) para descubrir patrones, tendencias y relaciones que se puedan utilizar para la toma de decisiones. La ciencia de datos utiliza dos tipos de técnicas: el aprendizaje supervisado, que entrena un modelo con datos de entrada y salida conocidos para que pueda predecir resultados futuros, y el aprendizaje no supervisado, que encuentra patrones ocultos o estructuras intrínsecas en los datos de entrada. El aprendizaje supervisado utiliza técnicas de clasificación y regresión basadas en modelos predictivos, dependiendo de la naturaleza de la variable dependiente. Si es categórica, estamos ante técnicas de clasificación predictiva, y si es cuantitativa, estamos ante técnicas de regresión predictiva. Este libro desarrolla técnicas de aprendizaje supervisado para la clasificación. Comienza profundizando en el análisis discriminante, tanto simple como múltiple, y tanto lineal como cuadrático. A continuación se abordan los modelos lineales generalizados, haciendo hincapié en los modelos de elección discreta y los modelos de conteo como casos particulares. En el estudio se examinan modelos de regresión logística, modelos Probit, modelos de Poisson y modelos Binomiales Negativos. Se hace especial énfasis en el diagnóstico mediante herramientas como la matriz de confusión, la curva ROC y la precisión. Por último, se aborda la clasificación mediante árboles de decisión, teniendo en cuenta árboles de clasificación, árboles de regresión y árboles aleatorios (Random Forest).