# Sript de librerias necesarias y recomendables # para los talleres de las XI JUR 15/nov/2019 # http://r-es.org/XIjuR # 11jcomite-organizador@r-es.org # # ----------------------------------------------- # TODOS LOS TALLERES SON EN PARALELO, VIERNES 15 DE NOVIEMBRE DE 2019, DE 15 HORAS A 17.25 #### Taller T1 Análisis de datos funcionales, regresión, clasificación y clustering funcional #### Mediante la librería fda.usc install.packages("fda.usc") install.packages(c("e1071", "randomForest", "nnet")) #### Taller T2 Herramientas de R para la investigación de mercados (José Ignacio Casas Álvarez) ############################################################################## ##### XI JORNADAS DE USUARIOS DE R. MADRID, 14-16 NOVIEMBRE 2019 ##### ##### TALLER HERRAMIENTAS DE R PARA LA INVESTIGACI?N DE MERCADOS ##### ##### REQUISITOS TALLER 2 ##### ##### POR Jos? Ignacio Casas ##### ############################################################################## #=========================# # 1. CONFIGURACION DEL PC # #=========================# # R version 3.6.1 (2019-07-05) # RStudio Version 1.1.463 #==============================================# # 2. PAQUETES A INSTALAR PREVIAMENTE AL TALLER # #==============================================# # 2.1. VECTOR DE PAQUETES #======================== paquetes_taller2 <- c ( "AlgDesign", "arules", "CAinterprTools", "car", "cluster", "conjoint", "ChannelAttribution", "eRm", "factoextra", "fpc", "ggthemes", "ltm", "markovchain", "mirt", "mlogit", "NbClust", "pheatmap", "pricesensitivitymeter", "reshape2", "rfm", "survival", "tidyverse" ) # 2.2. INSTALACI?N #================= install.packages (paquetes_taller2) #====================================================================# # 3. DATASETS A INCORPORAR (NO INCLUIDOS EN LOS PAQUETES ANTERIORES) # #====================================================================# # 3.1. dataset_clus. DATASET PREPARADO EX-PROFESO, DESCARGABLE DESDE GitHub #========================================================================== ruta_dataset1 <- "https://github.com/JI-Casas/R4Social_Marketing_Research/raw/master/dataset_clus.RData" # ruta en internet load (url (ruta_dataset1)) # Incorporamos del data.frame "dataset_clus" save (dataset_clus, file = "dataset_clus.RData") # Lo guardamos en nuestro directorio de trabajo load (file = "dataset_clus.RData") # Para incorporar el dataset desde nuestro directorio de trabajo # Las variables son: # id: chr - identificador de cada caso/objeto # habitat: Ord.factor w/ 7 levels - tama?o del h?bitat # item1: logi - Ha adquirido este item # item2: logi - Ha adquirido este item # item3: logi - Ha adquirido este item # item4: logi - Ha adquirido este item # item5: logi - Ha adquirido este item # online_shopping: num - % de compras online # sexo: Factor w/ 2 levels "Hombre","Mujer" # edad: num # ingresos: Ord.factor w/ 11 levels - Nivel de ingresos # estudios: Ord.factor w/ 6 levels - Nivel de estudios # estatus: Ord.factor w/ 5 levels - Estatus social # 3.2. dataset para el Conjoint Analysis #======================================= cbc_df <- read.csv ( # convertimos el ".csv" en data.frame "http://goo.gl/5xQObB", # ruta del fichero en formato ".csv" colClasses = c ( # cualificamos las variables seat = "factor", price = "factor", choice = "integer") ) save (cbc_df, file = "cbc_df.RData") # Lo guardamos en nuestro directorio de trabajo load (file = "cbc_df.RData") # Para incorporar el dataset desde nuestro directorio de trabajo #### Taller T3 Tips, trucos y algunos paquetes para programación eficiente en R (Adolfo Álvarez) install.packages(c("tidyverse", "purrr", "furrr", "pryr", "benchmarkme", "tictoc", "microbenchmark", "rbenchmark", "bench", "profvis", "janitor", "lintr", "styler")) #### Taller T4 Introducción al análisis reticular de coincidencias (Luis Martínez Uribe) install.packages("tidyverse") install.packages("haven") install.packages("igraph") install.packages("https://sociocav.usal.es/me/R/netCoin_1.1.23.tar.gz ", repos = NULL, type = "source")