Al enfrentarse a la realidad de un estudio, el investigador dispone habitualmente de muchas variables medidas u observadas en una colección de individuos, pretende estudiarlas conjuntamente, y acude al Análisis de Datos. Se encuentra frente a una diversidad de técnicas y debe seleccionar la más adecuada a sus datos pero, sobre todo, a su objetivo científico.

El investigador tendrá que considerar si asigna a todas sus variables una importancia equivalente, es decir, si ninguna variable se destaca como dependiente principal en el objetivo de la investigación. Si es así, porque maneja simplemente un conjunto de diversos aspectos observados y coleccionados en su muestra, puede acudir para su tratamiento en bloque a lo que podría llamarse técnicas descriptivas o del análisis de la interdependencia (técnicas de aprendizaje no supervisado en el lenguaje del Machine Learning).

Y puede hacerlo con dos orientaciones diferentes: por una parte, para reducir la dimensión de una tabla de datos excesivamente grande por el elevado número de variables que contiene y quedarse con unas cuantas variables ficticias que, aunque no observadas, sean combinación de las reales y sinteticen la mayor parte de la información contenida en sus datos. También deberá tener en cuenta el tipo de variables que maneja. Si son variables cuantitativas, las técnicas que le permiten este tratamiento son el Análisis de Componentes Principales y el Análisis Factorial, y si son variables cualitativas, acudirá al Análisis de Correspondencias. La otra orientación posible ante una colección de variables, sin ninguna destacada en dependencia, sería la de clasificar sus individuos en grupos más o menos homogéneos en relación al perfil que en aquéllas presenten, en cuyo caso utilizará el Análisis de Clusters, en que los grupos, no definidos previamente, serán configurados por las propias variables que utiliza.

A lo largo de este libro se desarrollan la mayoría de las técnicas de aprendizaje no supervisado idesde un punto de vista metodológico y desde un punto de vista práctico con aplicaciones a través del software R. Se profundiza en las Técnicas de Reducción de la Dimensión incluyendo Análisis en Componentes Principales, Análisis Factorial, Análisis de Correspondencias Simples, Análisis de Correspondencias Múltiples. Para todos los temas se presenta una introducción metodológica seguida de ejemplos y ejercicios ilustrativos resueltos con el software R.