final projesi
Ahmad Mustafa Hassanzada 1910504546
2024-01-20
##Spacship Titanik 
2912 yılına hoş geldiniz
ve uzay gemisi Titanik’in kozmik bir gizemi çözmek için veri bilimi
becerilerine ihtiyaç duyulmaktadır. Dört ışık yılı öteden alınan bir
sinyal, geminin kavurucu 55 Cancri E gezegenine gitmek üzere yola
çıktığı yolculuğunda Alpha Centauri’nin dönüşünde bir uzay-zaman
anormalliğiyle karşılaştığını ve yolcuların neredeyse yarısının
alternatif bir boyuta taşındığını ortaya koymaktadır.
Aşağıda, eğitim verisi olan “train.csv” ve tahmin yapmanız gereken test verisi olan “test.csv” dosyalarının içeriği ve veri alanlarının açıklamaları bulunmaktadır:
train.csv - Kişisel kayıtlar, eğitim verisi olarak kullanılacak olan yaklaşık üçte ikisi (~8700) yolcunun bilgilerini içerir.
PassengerId: Her yolcu için benzersiz bir kimlik. Her kimlik “gggg_pp” biçimindedir, burada “gggg” yolcunun seyahat ettiği grubu gösterir ve “pp” ise gruptaki sıralarını belirtir.
HomePlanet: Yolcunun ayrıldığı gezegen, genellikle kalıcı ikamet gezegenidir.
CryoSleep: Yolcunun yolculuğun süresince dondurulmuş animasyona geçip geçmeyeceğini gösterir. Cryosleep’teki yolcular kabinlerine kapatılır.
Cabin: Yolcunun konakladığı kabin numarası. “deck/num/side” biçimindedir ve “side” P (Port) veya S (Starboard) olabilir.
Destination: Yolcunun iniş yapacağı gezegen.
Age: Yolcunun yaşı.
VIP: Yolcunun yolculuk sırasında özel VIP hizmeti için ödeme yapıp yapmadığını belirtir.
RoomService, FoodCourt, ShoppingMall, Spa, VRDeck: Yolcunun Spaceship Titanic’in birçok lüks olanaklarında ne kadar harcama yaptığını gösterir.
Name: Yolcunun adı ve soyadı
Transported: Yolcunun başka bir boyuta taşınıp taşınmadığını belirtir. Bu, tahmin etmeye çalıştığınız sütundur.
test.csv - Geri kalan üçte birlik (~4300) yolcunun kişisel kayıtlarını içerir, test verisi olarak kullanılacaktır.
PassengerId: Test setindeki her yolcu için bir kimlik.
(Diğer alanlar): Aynı şekilde eğitim verisi ile benzer şekilde bilgiler içerir.
Göreviniz, test setindeki yolcuların “Transported” değerini tahmin etmektir.
“Transported” sütununda her bir yolcu için True veya False tahmin yapmalısınız.
Ayrıca, “sample_submission.csv” dosyası, doğru formatta bir gönderim
dosyasıdır ve bu formata uygun tahminlerinizi yapmalısınız. 
## Download Data (Data Paketini Yüklemek)
library(readr): Bu satır, readr paketine yükler ve R’de veri okuma işlemleri için kullanıyoruz. train tablosu ‘read’
Dataset Description (Veri Kümesi Açıklaması)
Bu yarışma, Uzay Gemisi Titanik’in uzay-zaman anomalisi sırasında bir yolcunun alternatif bir boyuta taşınıp taşınmadığını öngörmekle ilgili. Bu öngörüleri yapabilmek için, geminin hasarlı bilgisayar sisteminden kurtarılan bir dizi kişisel kayıt sunulmuş durumda. Yani, geminin çarpışması sırasında yaşanan olayları ve yolcuların durumlarını anlamak ve bu kapsamda bir tahmin modeli oluşturmak amacıyla veri seti sağlanmış bulunuyor.
kaggle !den aldığım verileri yükledim
library(readr)
train <- read_csv("train.csv")## Rows: 8693 Columns: 14
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (5): PassengerId, HomePlanet, Cabin, Destination, Name
## dbl (6): Age, RoomService, FoodCourt, ShoppingMall, Spa, VRDeck
## lgl (3): CryoSleep, VIP, Transported
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.test <- read_csv("test.csv")## Rows: 4277 Columns: 13
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (5): PassengerId, HomePlanet, Cabin, Destination, Name
## dbl (6): Age, RoomService, FoodCourt, ShoppingMall, Spa, VRDeck
## lgl (2): CryoSleep, VIP
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.#####library(tidyverse) komutu, R programlama dilindeki birçok kullanışlı paketi tek bir adı altında yüklemeyi sağlar. “Tidyverse” dediğimiz şey, veri analizi ve görselleştirme için kullanılan bir grup paketi içerir.
Bu komutu kullanarak, bir kerede birçok kullanışlı aracı etkinleştirmiş olursunuz. Örneğin, “dplyr” paketi veri manipülasyonu için, “ggplot2” paketi grafik oluşturmak için ve “tidyr” paketi veri temizleme işlemleri için sıkça kullanılır.
train <- read_csv(“train.csv”): Bu satır “train.csv” CSV dosyasını okur ve verileri “train” adlı bir veri çerçevesinde saklar. Read_csv işlevi, readr paketinin bir parçasıdır ve CSV dosyalarını okumak için kullanılır.
Analiz ve işleme için hazır olan “test” adlı veri çerçevesi, şu anda analizler yapmak, veriyi keşfetmek, ön işleme adımlarını uygulamak veya makine öğrenimi modelleri için veriyi hazırlamak amacıyla kullanılabilir. Bu aşamada, veri setini daha derinlemesine anlamak, eksik veya aykırı değerlere müdahale etmek, özellik mühendisliği yapmak ve modelleme sürecine geçmek için gerekli adımları uygulamak mümkündür.
library(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ purrr 1.0.2
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ ggplot2 3.4.4 ✔ tibble 3.2.1
## ✔ lubridate 1.9.3 ✔ tidyr 1.3.0
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorsBu sayede, veri analizi ve görselleştirmenin yanı sıra diğer birçok işlemi daha kolay bir şekilde gerçekleştirebilirsiniz. Örneğin, veri setlerinizi düzenleme, temizleme, filtreleme ve grafik oluşturma gibi işlemleri daha hızlı ve etkili bir şekilde yapabilirsiniz.
explore
bu paket veri keşfi işlemleri için bir interaktif araç sağlar.
library(explore)“train” adlı veri çerçevesini incelemek ve tanımlayıcı istatistikler elde etmek için %>% operatörünü kullanarak, “psych” paketinde bulunan describe_all() işlevine yönlendiriyoruz. Bu işlev, veri kümesindeki tüm değişkenler için geniş kapsamlı tanımlayıcı istatistikleri sağlar. Bu istatistikler arasında ortalama, standart sapma, çarpıklık, basıklık ve çeşitli yüzdelikler gibi ölçümler bulunmaktadır. Yani, bu kod parçası, “train” veri çerçevesindeki değişkenlere ilişkin detaylı bir istatistiksel özet elde etmek için kullanılır.
train %>% describe_all()## # A tibble: 14 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet chr 201 2.3 4 NA NA NA
## 3 CryoSleep lgl 217 2.5 3 0 0.36 1
## 4 Cabin chr 199 2.3 6561 NA NA NA
## 5 Destination chr 182 2.1 4 NA NA NA
## 6 Age dbl 179 2.1 81 0 28.8 79
## 7 VIP lgl 203 2.3 3 0 0.02 1
## 8 RoomService dbl 181 2.1 1274 0 225. 14327
## 9 FoodCourt dbl 183 2.1 1508 0 458. 29813
## 10 ShoppingMall dbl 208 2.4 1116 0 174. 23492
## 11 Spa dbl 183 2.1 1328 0 311. 22408
## 12 VRDeck dbl 188 2.2 1307 0 305. 24133
## 13 Name chr 200 2.3 8474 NA NA NA
## 14 Transported lgl 0 0 2 0 0.5 1train[c('ailenum', 'ailesira')] <- str_split_fixed(train$PassengerId, "_", 2)Bu kod parçası, “train” adlı veri çerçevesindeki “PassengerId” sütununu kullanarak iki yeni sütun olan “ailenum” ve “ailesira”yı oluşturmayı hedeflemektedir. Bu işlem, “PassengerId” sütunundaki değerleri “_” (alt çizgi) karakterine göre böler ve elde edilen parçaları yeni sütunlara ekler.
Yani, her “PassengerId” değeri “_” karakterine göre iki parçaya ayrılır. Bu parçalardan biri “ailenum” sütununa, diğeri ise “ailesira” sütununa atanır. Bu sayede, “ailenum” sütunu aile numaralarını, “ailesira” sütunu ise aile içindeki sıraları temsil eder. Bu yeni sütunlar, “PassengerId” sütunundan elde edilen bilgilerle aile yapıları hakkında daha ayrıntılı bilgi sağlamak amacıyla kullanılabilir.
test[c('ailenum', 'ailesira')] <- str_split_fixed(test$PassengerId, "_", 2)Bu R kodu, “test” veri çerçevesindeki “PassengerId” değişkenini kullanarak iki yeni değişken olan “ailenum” ve “ailesira”yı oluşturur. “PassengerId” içindeki değerleri “_” karakterine göre bölerek, elde edilen parçaları “ailenum” ve “ailesira” değişkenlerine atar. Bu sayede “PassengerId” içindeki grup bilgilerini “ailenum”de, sıra numaralarını ise “ailesira”da sakla
train[c('deck', 'num', 'side')] <- str_split_fixed(train$Cabin, '/', 3)Bu R kodu, “train” veri çerçevesindeki “Cabin” değişkenini kullanarak üç yeni değişken oluşturur: “deck”, “num”, ve “side”. “Cabin” içindeki değerleri “/” karakterine göre bölerek, elde edilen parçaları sırasıyla “deck”, “num”, ve “side” değişkenlerine atar. Bu işlem, “Cabin” değişkenindeki kabin numarasının içindeki bilgileri ayrıştırarak, bu bilgileri ayrı değişkenlerde saklar.
test[c('deck', 'num', 'side')] <- str_split_fixed(test$Cabin, '/', 3)Bu R kodu, “test” veri çerçevesindeki “Cabin” değişkenini üç parçaya ayırarak yeni üç değişken oluşturur: “deck”, “num”, ve “side”.
train[train == ''] <- NA
test[test == ''] <- NABu R kodu, “train” ve “test” veri çerçevelerindeki boş değerleri (empty strings) NA (Not Available - Mevcut Değil) ile değiştirir. Yani, eğer bir hücrede boş bir değer varsa, o hücreye NA değeri atanır. Bu, veri setindeki boş değerleri standartlaştırmak ve işlemek için yaygın bir yöntemdir.
library(DataExplorer)
create_report(train)##
##
## processing file: report.rmd##
|
| | 0%
|
|. | 2%
|
|.. | 5% [global_options]
|
|... | 7%
|
|.... | 10% [introduce]
|
|.... | 12%
|
|..... | 14% [plot_intro]
|
|...... | 17%
|
|....... | 19% [data_structure]
|
|........ | 21%
|
|......... | 24% [missing_profile]
|
|.......... | 26%
|
|........... | 29% [univariate_distribution_header]
|
|........... | 31%
|
|............ | 33% [plot_histogram]
|
|............. | 36%
|
|.............. | 38% [plot_density]
|
|............... | 40%
|
|................ | 43% [plot_frequency_bar]
|
|................. | 45%
|
|.................. | 48% [plot_response_bar]
|
|.................. | 50%
|
|................... | 52% [plot_with_bar]
|
|.................... | 55%
|
|..................... | 57% [plot_normal_qq]
|
|...................... | 60%
|
|....................... | 62% [plot_response_qq]
|
|........................ | 64%
|
|......................... | 67% [plot_by_qq]
|
|.......................... | 69%
|
|.......................... | 71% [correlation_analysis]
|
|........................... | 74%
|
|............................ | 76% [principal_component_analysis]
|
|............................. | 79%
|
|.............................. | 81% [bivariate_distribution_header]
|
|............................... | 83%
|
|................................ | 86% [plot_response_boxplot]
|
|................................. | 88%
|
|................................. | 90% [plot_by_boxplot]
|
|.................................. | 93%
|
|................................... | 95% [plot_response_scatterplot]
|
|.................................... | 98%
|
|.....................................| 100% [plot_by_scatterplot] ## output file: /cloud/project/report.knit.md## /usr/lib/rstudio-server/bin/quarto/bin/tools/pandoc +RTS -K512m -RTS /cloud/project/report.knit.md --to html4 --from markdown+autolink_bare_uris+tex_math_single_backslash --output /cloud/project/report.html --lua-filter /cloud/lib/x86_64-pc-linux-gnu-library/4.3/rmarkdown/rmarkdown/lua/pagebreak.lua --lua-filter /cloud/lib/x86_64-pc-linux-gnu-library/4.3/rmarkdown/rmarkdown/lua/latex-div.lua --embed-resources --standalone --variable bs3=TRUE --section-divs --table-of-contents --toc-depth 6 --template /cloud/lib/x86_64-pc-linux-gnu-library/4.3/rmarkdown/rmd/h/default.html --no-highlight --variable highlightjs=1 --variable theme=yeti --mathjax --variable 'mathjax-url=https://mathjax.rstudio.com/latest/MathJax.js?config=TeX-AMS-MML_HTMLorMML' --include-in-header /tmp/RtmpszmTbX/rmarkdown-str1b431e9f29f5.html##
## Output created: report.html####Percentages 
####Histogram 
train %>% describe_all()## # A tibble: 19 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet chr 201 2.3 4 NA NA NA
## 3 CryoSleep lgl 217 2.5 3 0 0.36 1
## 4 Cabin chr 199 2.3 6561 NA NA NA
## 5 Destination chr 182 2.1 4 NA NA NA
## 6 Age dbl 179 2.1 81 0 28.8 79
## 7 VIP lgl 203 2.3 3 0 0.02 1
## 8 RoomService dbl 181 2.1 1274 0 225. 14327
## 9 FoodCourt dbl 183 2.1 1508 0 458. 29813
## 10 ShoppingMall dbl 208 2.4 1116 0 174. 23492
## 11 Spa dbl 183 2.1 1328 0 311. 22408
## 12 VRDeck dbl 188 2.2 1307 0 305. 24133
## 13 Name chr 200 2.3 8474 NA NA NA
## 14 Transported lgl 0 0 2 0 0.5 1
## 15 ailenum chr 0 0 6217 NA NA NA
## 16 ailesira chr 0 0 8 NA NA NA
## 17 deck chr 199 2.3 9 NA NA NA
## 18 num chr 199 2.3 1818 NA NA NA
## 19 side chr 199 2.3 3 NA NA NABar Chart (with frequency) ## 5 columns ignored with more than 50 categories. ## PassengerId: 8693 categories ## Cabin: 6561 categories ## Name: 8474 categories ## ailenum: 6217 categories ## num: 1818 categories
Principal Component Analysis ## 5 features with more than 50 categories ignored! ## PassengerId: 6606 categories ## Cabin: 5305 categories ## Name: 6590 categories ## ailenum: 5015 categories ## num: 1734 categories
Bu R kodu, “train” veri çerçevesinden “Cabin” değişkenini çıkararak aynı “train” veri çerçevesini günceller.
train <- train %>% select(-Cabin)Bu R kodu, “train” veri çerçevesinden “Cabin” değişkenini çıkararak aynı “train” veri çerçevesini günceller.
test <- test %>% select(-Cabin)Bu R kodu, “test” veri çerçevesinden “Cabin” değişkenini çıkararak aynı “test” veri çerçevesini günceller.
unique(train$HomePlanet)## [1] "Europa" "Earth" "Mars" NABu R kodu, “train” veri çerçevesindeki tüm değişkenlerin özet istatistiklerini görmek için kullanılır.
levels(train$HomePlanet)## NULLtrain$HomePlanet <- addNA(train$HomePlanet)Bu R kodu, “train” veri çerçevesindeki “HomePlanet” değişkeninin faktör (factor) türündeki seviyelerini (levels) listeleyerek, bu değişkenin alabileceği benzersiz kategorik değerleri gösterir. Yani, “HomePlanet” değişkenindeki farklı kategori seviyelerini elde eder.
test$HomePlanet <- addNA(test$HomePlanet)Bu R kodu, “train” veri çerçevesindeki “HomePlanet” değişkenindeki eksik değerleri (NA) işaretler.
levels(train$HomePlanet)## [1] "Earth" "Europa" "Mars" NABu R kodu, “test” veri çerçevesindeki “HomePlanet” değişkenindeki eksik değerleri (NA) işaretler.
levels(train$HomePlanet)[is.na(levels(train$HomePlanet))] <- "NA"levels(test$HomePlanet)[is.na(levels(test$HomePlanet))] <- "NA"levels(train$HomePlanet)## [1] "Earth" "Europa" "Mars" "NA"train %>% describe_all()## # A tibble: 18 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep lgl 217 2.5 3 0 0.36 1
## 4 Destination chr 182 2.1 4 NA NA NA
## 5 Age dbl 179 2.1 81 0 28.8 79
## 6 VIP lgl 203 2.3 3 0 0.02 1
## 7 RoomService dbl 181 2.1 1274 0 225. 14327
## 8 FoodCourt dbl 183 2.1 1508 0 458. 29813
## 9 ShoppingMall dbl 208 2.4 1116 0 174. 23492
## 10 Spa dbl 183 2.1 1328 0 311. 22408
## 11 VRDeck dbl 188 2.2 1307 0 305. 24133
## 12 Name chr 200 2.3 8474 NA NA NA
## 13 Transported lgl 0 0 2 0 0.5 1
## 14 ailenum chr 0 0 6217 NA NA NA
## 15 ailesira chr 0 0 8 NA NA NA
## 16 deck chr 199 2.3 9 NA NA NA
## 17 num chr 199 2.3 1818 NA NA NA
## 18 side chr 199 2.3 3 NA NA NAtrain <- train %>%
group_by(HomePlanet) %>%
mutate_at(vars(Age), ~replace_na(., mean(., na.rm = TRUE)))test <- test %>%
group_by(HomePlanet) %>%
mutate_at(vars(Age), ~replace_na(., mean(., na.rm = TRUE)))train %>% describe_all()## # A tibble: 18 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep lgl 217 2.5 3 0 0.36 1
## 4 Destination chr 182 2.1 4 NA NA NA
## 5 Age dbl 0 0 84 0 28.8 79
## 6 VIP lgl 203 2.3 3 0 0.02 1
## 7 RoomService dbl 181 2.1 1274 0 225. 14327
## 8 FoodCourt dbl 183 2.1 1508 0 458. 29813
## 9 ShoppingMall dbl 208 2.4 1116 0 174. 23492
## 10 Spa dbl 183 2.1 1328 0 311. 22408
## 11 VRDeck dbl 188 2.2 1307 0 305. 24133
## 12 Name chr 200 2.3 8474 NA NA NA
## 13 Transported lgl 0 0 2 0 0.5 1
## 14 ailenum chr 0 0 6217 NA NA NA
## 15 ailesira chr 0 0 8 NA NA NA
## 16 deck chr 199 2.3 9 NA NA NA
## 17 num chr 199 2.3 1818 NA NA NA
## 18 side chr 199 2.3 3 NA NA NAtrain$CryoSleep <- addNA(train$CryoSleep)test$CryoSleep <- addNA(test$CryoSleep)levels(train$CryoSleep)[is.na(levels(train$CryoSleep))] <- "NA"levels(test$CryoSleep)[is.na(levels(test$CryoSleep))] <- "NA"train %>% describe_all()## # A tibble: 18 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Destination chr 182 2.1 4 NA NA NA
## 5 Age dbl 0 0 84 0 28.8 79
## 6 VIP lgl 203 2.3 3 0 0.02 1
## 7 RoomService dbl 181 2.1 1274 0 225. 14327
## 8 FoodCourt dbl 183 2.1 1508 0 458. 29813
## 9 ShoppingMall dbl 208 2.4 1116 0 174. 23492
## 10 Spa dbl 183 2.1 1328 0 311. 22408
## 11 VRDeck dbl 188 2.2 1307 0 305. 24133
## 12 Name chr 200 2.3 8474 NA NA NA
## 13 Transported lgl 0 0 2 0 0.5 1
## 14 ailenum chr 0 0 6217 NA NA NA
## 15 ailesira chr 0 0 8 NA NA NA
## 16 deck chr 199 2.3 9 NA NA NA
## 17 num chr 199 2.3 1818 NA NA NA
## 18 side chr 199 2.3 3 NA NA NAunique(train$Destination)## [1] "TRAPPIST-1e" "PSO J318.5-22" "55 Cancri e" NAtrain$Destination <- addNA(train$Destination)test$Destination <- addNA(test$Destination)levels(train$Destination)[is.na(levels(train$Destination))] <- "NA"levels(test$Destination)[is.na(levels(test$Destination))] <- "NA"train$side <- addNA(train$side)test$side <- addNA(test$side)levels(train$side)[is.na(levels(train$side))] <- "NA"levels(test$side)[is.na(levels(test$side))] <- "NA"train %>% describe_all()## # A tibble: 18 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Destination fct 0 0 4 NA NA NA
## 5 Age dbl 0 0 84 0 28.8 79
## 6 VIP lgl 203 2.3 3 0 0.02 1
## 7 RoomService dbl 181 2.1 1274 0 225. 14327
## 8 FoodCourt dbl 183 2.1 1508 0 458. 29813
## 9 ShoppingMall dbl 208 2.4 1116 0 174. 23492
## 10 Spa dbl 183 2.1 1328 0 311. 22408
## 11 VRDeck dbl 188 2.2 1307 0 305. 24133
## 12 Name chr 200 2.3 8474 NA NA NA
## 13 Transported lgl 0 0 2 0 0.5 1
## 14 ailenum chr 0 0 6217 NA NA NA
## 15 ailesira chr 0 0 8 NA NA NA
## 16 deck chr 199 2.3 9 NA NA NA
## 17 num chr 199 2.3 1818 NA NA NA
## 18 side fct 0 0 3 NA NA NAtrain$VIP <- addNA(train$VIP)test$VIP <- addNA(test$VIP)levels(train$VIP)[is.na(levels(train$VIP))] <- "NA"levels(test$VIP)[is.na(levels(test$VIP))] <- "NA"train <- train %>%
group_by(Destination) %>%
mutate_at(vars(RoomService), ~replace_na(., mean(., na.rm = TRUE)))test <- test %>%
group_by(Destination) %>%
mutate_at(vars(RoomService), ~replace_na(., mean(., na.rm = TRUE)))train %>% describe_all()## # A tibble: 18 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Destination fct 0 0 4 NA NA NA
## 5 Age dbl 0 0 84 0 28.8 79
## 6 VIP fct 0 0 3 NA NA NA
## 7 RoomService dbl 0 0 1277 0 225. 14327
## 8 FoodCourt dbl 183 2.1 1508 0 458. 29813
## 9 ShoppingMall dbl 208 2.4 1116 0 174. 23492
## 10 Spa dbl 183 2.1 1328 0 311. 22408
## 11 VRDeck dbl 188 2.2 1307 0 305. 24133
## 12 Name chr 200 2.3 8474 NA NA NA
## 13 Transported lgl 0 0 2 0 0.5 1
## 14 ailenum chr 0 0 6217 NA NA NA
## 15 ailesira chr 0 0 8 NA NA NA
## 16 deck chr 199 2.3 9 NA NA NA
## 17 num chr 199 2.3 1818 NA NA NA
## 18 side fct 0 0 3 NA NA NAhist(train$FoodCourt)
train <- train %>% mutate(FoodCourt = coalesce(FoodCourt, 0))test <- test %>% mutate(FoodCourt = coalesce(FoodCourt, 0))train %>% describe_all()## # A tibble: 18 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Destination fct 0 0 4 NA NA NA
## 5 Age dbl 0 0 84 0 28.8 79
## 6 VIP fct 0 0 3 NA NA NA
## 7 RoomService dbl 0 0 1277 0 225. 14327
## 8 FoodCourt dbl 0 0 1507 0 448. 29813
## 9 ShoppingMall dbl 208 2.4 1116 0 174. 23492
## 10 Spa dbl 183 2.1 1328 0 311. 22408
## 11 VRDeck dbl 188 2.2 1307 0 305. 24133
## 12 Name chr 200 2.3 8474 NA NA NA
## 13 Transported lgl 0 0 2 0 0.5 1
## 14 ailenum chr 0 0 6217 NA NA NA
## 15 ailesira chr 0 0 8 NA NA NA
## 16 deck chr 199 2.3 9 NA NA NA
## 17 num chr 199 2.3 1818 NA NA NA
## 18 side fct 0 0 3 NA NA NAtrain <- train %>% mutate(ShoppingMall = coalesce(ShoppingMall, 0),
Spa = coalesce(Spa, 0),
VRDeck = coalesce(VRDeck, 0))test <- test %>% mutate(ShoppingMall = coalesce(ShoppingMall, 0),
Spa = coalesce(Spa, 0),
VRDeck = coalesce(VRDeck, 0))train %>% describe_all()## # A tibble: 18 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Destination fct 0 0 4 NA NA NA
## 5 Age dbl 0 0 84 0 28.8 79
## 6 VIP fct 0 0 3 NA NA NA
## 7 RoomService dbl 0 0 1277 0 225. 14327
## 8 FoodCourt dbl 0 0 1507 0 448. 29813
## 9 ShoppingMall dbl 0 0 1115 0 170. 23492
## 10 Spa dbl 0 0 1327 0 305. 22408
## 11 VRDeck dbl 0 0 1306 0 298. 24133
## 12 Name chr 200 2.3 8474 NA NA NA
## 13 Transported lgl 0 0 2 0 0.5 1
## 14 ailenum chr 0 0 6217 NA NA NA
## 15 ailesira chr 0 0 8 NA NA NA
## 16 deck chr 199 2.3 9 NA NA NA
## 17 num chr 199 2.3 1818 NA NA NA
## 18 side fct 0 0 3 NA NA NAtrain <- train %>% select(-Name)test <- test %>% select(-Name)train %>% describe_all()## # A tibble: 17 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Destination fct 0 0 4 NA NA NA
## 5 Age dbl 0 0 84 0 28.8 79
## 6 VIP fct 0 0 3 NA NA NA
## 7 RoomService dbl 0 0 1277 0 225. 14327
## 8 FoodCourt dbl 0 0 1507 0 448. 29813
## 9 ShoppingMall dbl 0 0 1115 0 170. 23492
## 10 Spa dbl 0 0 1327 0 305. 22408
## 11 VRDeck dbl 0 0 1306 0 298. 24133
## 12 Transported lgl 0 0 2 0 0.5 1
## 13 ailenum chr 0 0 6217 NA NA NA
## 14 ailesira chr 0 0 8 NA NA NA
## 15 deck chr 199 2.3 9 NA NA NA
## 16 num chr 199 2.3 1818 NA NA NA
## 17 side fct 0 0 3 NA NA NAtrain$deck <- addNA(train$deck)test$deck <- addNA(test$deck)levels(train$deck)[is.na(levels(train$deck))] <- "NA"levels(test$deck)[is.na(levels(test$deck))] <- "NA"train %>% describe_all()## # A tibble: 17 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Destination fct 0 0 4 NA NA NA
## 5 Age dbl 0 0 84 0 28.8 79
## 6 VIP fct 0 0 3 NA NA NA
## 7 RoomService dbl 0 0 1277 0 225. 14327
## 8 FoodCourt dbl 0 0 1507 0 448. 29813
## 9 ShoppingMall dbl 0 0 1115 0 170. 23492
## 10 Spa dbl 0 0 1327 0 305. 22408
## 11 VRDeck dbl 0 0 1306 0 298. 24133
## 12 Transported lgl 0 0 2 0 0.5 1
## 13 ailenum chr 0 0 6217 NA NA NA
## 14 ailesira chr 0 0 8 NA NA NA
## 15 deck fct 0 0 9 NA NA NA
## 16 num chr 199 2.3 1818 NA NA NA
## 17 side fct 0 0 3 NA NA NAtest %>% describe_all()## # A tibble: 16 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 4277 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Destination fct 0 0 4 NA NA NA
## 5 Age dbl 0 0 83 0 28.7 79
## 6 VIP fct 0 0 3 NA NA NA
## 7 RoomService dbl 0 0 846 0 219. 11567
## 8 FoodCourt dbl 0 0 902 0 429. 25273
## 9 ShoppingMall dbl 0 0 715 0 173. 8292
## 10 Spa dbl 0 0 833 0 296. 19844
## 11 VRDeck dbl 0 0 796 0 305. 22272
## 12 ailenum chr 0 0 3063 NA NA NA
## 13 ailesira chr 0 0 8 NA NA NA
## 14 deck fct 0 0 9 NA NA NA
## 15 num chr 100 2.3 1506 NA NA NA
## 16 side fct 0 0 3 NA NA NAtrain$aile <- ifelse(duplicated(train$ailenum) | duplicated(train$ailenum,
fromLast = TRUE), 1, 0)test$aile <- ifelse(duplicated(test$ailenum) | duplicated(test$ailenum,
fromLast = TRUE), 1, 0)head(train[, c("PassengerId", "ailenum", "ailesira", "aile")], 20)## # A tibble: 20 × 4
## PassengerId ailenum ailesira aile
## <chr> <chr> <chr> <dbl>
## 1 0001_01 0001 01 0
## 2 0002_01 0002 01 0
## 3 0003_01 0003 01 1
## 4 0003_02 0003 02 1
## 5 0004_01 0004 01 0
## 6 0005_01 0005 01 0
## 7 0006_01 0006 01 1
## 8 0006_02 0006 02 1
## 9 0007_01 0007 01 0
## 10 0008_01 0008 01 1
## 11 0008_02 0008 02 1
## 12 0008_03 0008 03 1
## 13 0009_01 0009 01 0
## 14 0010_01 0010 01 0
## 15 0011_01 0011 01 0
## 16 0012_01 0012 01 0
## 17 0014_01 0014 01 0
## 18 0015_01 0015 01 0
## 19 0016_01 0016 01 0
## 20 0017_01 0017 01 1train <- train %>% select(-c(ailenum, ailesira, num))test <- test %>% select(-c(ailenum, ailesira, num))train %>% describe_all()## # A tibble: 15 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 PassengerId chr 0 0 8693 NA NA NA
## 2 HomePlanet fct 0 0 4 NA NA NA
## 3 CryoSleep fct 0 0 3 NA NA NA
## 4 Destination fct 0 0 4 NA NA NA
## 5 Age dbl 0 0 84 0 28.8 79
## 6 VIP fct 0 0 3 NA NA NA
## 7 RoomService dbl 0 0 1277 0 225. 14327
## 8 FoodCourt dbl 0 0 1507 0 448. 29813
## 9 ShoppingMall dbl 0 0 1115 0 170. 23492
## 10 Spa dbl 0 0 1327 0 305. 22408
## 11 VRDeck dbl 0 0 1306 0 298. 24133
## 12 Transported lgl 0 0 2 0 0.5 1
## 13 deck fct 0 0 9 NA NA NA
## 14 side fct 0 0 3 NA NA NA
## 15 aile dbl 0 0 2 0 0.45 1Logistic Regresyon
train_set <- train[2:15]test_set <- test[2:14]library(caTools)
set.seed(123)
split = sample.split(train_set$Transported, SplitRatio = 0.75)
training_set = subset(train_set, split == TRUE)
testing_set = subset(train_set, split == FALSE)logistic = glm(formula = Transported ~ .,
family = binomial,
data = training_set)## Warning: glm.fit: fitted probabilities numerically 0 or 1 occurredprob_pred = predict(logistic, type = 'response', newdata = testing_set[-11])## Warning in predict.lm(object, newdata, se.fit, scale = 1, type = if (type == :
## prediction from rank-deficient fit; attr(*, "non-estim") has doubtful casesy_pred = ifelse(prob_pred > 0.5, 1, 0)y_true <- ifelse(testing_set[11] == TRUE, 1, 0)cm = table(y_true, y_pred)cm## y_pred
## y_true 0 1
## 0 819 260
## 1 189 905(819+905)/(819+905+260+189)## [1] 0.7933732logistic_son = glm(formula = Transported ~ .,
family = binomial,
data = train_set)## Warning: glm.fit: fitted probabilities numerically 0 or 1 occurredprob_pred = predict(logistic_son, type = 'response', newdata = test_set)## Warning in predict.lm(object, newdata, se.fit, scale = 1, type = if (type == :
## prediction from rank-deficient fit; attr(*, "non-estim") has doubtful casesy_pred = ifelse(prob_pred > 0.5, TRUE, FALSE)Transported <- as.character(y_pred)
PassengerId <- test$PassengerIdTransported <-as.vector(Transported)sample_submission <- cbind(PassengerId, Transported)sample_submission <- as.data.frame(sample_submission)library(stringr)sample_submission$Transported <- str_to_title(sample_submission$Transported)write.csv(sample_submission, "sub_logistic.csv", row.names = FALSE,
quote = FALSE)Naive Bayes
library(e1071)
fit_nb <- naiveBayes(Transported ~ ., data =training_set)
preds <- predict(fit_nb, newdata = testing_set[-11], type = "raw") %>%
data.frame()y_pred = ifelse(preds$TRUE. > 0.5, 1, 0)cm = table(y_true, y_pred )cm## y_pred
## y_true 0 1
## 0 510 569
## 1 78 1016(510+1016)/(510+1016+78+569)## [1] 0.7022549nb_son = naiveBayes(Transported ~ ., data = train_set)preds <- predict(nb_son, newdata = test_set, type = "raw") %>%
data.frame()y_pred = ifelse(preds$TRUE. > 0.5, TRUE, FALSE)Transported <- as.character(y_pred)
PassengerId <- test$PassengerIdTransported <-as.vector(Transported)sample_submission <- cbind(PassengerId, Transported)sample_submission <- as.data.frame(sample_submission)sample_submission$Transported <- str_to_title(sample_submission$Transported)write.csv(sample_submission, "sub_nb_logistic.csv", row.names = FALSE,
quote = FALSE)SVM
library(e1071)
fit_svm <- svm(Transported ~ ., data = training_set,
type= 'C-classification',
kernel = 'linear')
preds <- predict(fit_svm, newdata = testing_set, type = "raw") %>%
data.frame()y_pred = ifelse(preds$. == TRUE, 1, 0)cm = table(y_true, y_pred)cm## y_pred
## y_true 0 1
## 0 831 248
## 1 171 923(830+923)/(830+923+171+249)## [1] 0.8067188svm_son = svm(Transported ~ ., data = train_set,
type = 'C-classification',
kernel = 'linear')preds <- predict(svm_son, newdata = test_set, type = "raw") %>%
data.frame()y_pred = preds$.Transported <- as.character(y_pred)
PassengerId <- test$PassengerIdTransported <-as.vector(Transported)sample_submission <- cbind(PassengerId, Transported)sample_submission <- as.data.frame(sample_submission)library(stringr)sample_submission$Transported <- str_to_title(sample_submission$Transported)write.csv(sample_submission, "sub_svm.csv", row.names = FALSE,
quote = FALSE)SVM radial (kernel)
svm_ker_son = svm(Transported ~ ., data =train_set,
type = 'C-classification',
kernel = 'radial')preds <- predict(svm_ker_son, newdata = test_set, type = "raw") %>%
data.frame()y_pred = preds$.Transported <- as.character(y_pred)
PassengerId <- test$PassengerIdTransported <-as.vector(Transported)sample_submission <- cbind(PassengerId, Transported)sample_submission <- as.data.frame(sample_submission)library(stringr)sample_submission$Transported <- str_to_title(sample_submission$Transported)write.csv(sample_submission, "sub_kernelsvm.csv", row.names = FALSE,
quote = FALSE)Decision Trees
library(rpart)
library(rpart.plot)
library(randomForest)## randomForest 4.7-1.1## Type rfNews() to see new features/changes/bug fixes.##
## Attaching package: 'randomForest'## The following object is masked from 'package:dplyr':
##
## combine## The following object is masked from 'package:ggplot2':
##
## marginlibrary(caret)## Loading required package: lattice##
## Attaching package: 'caret'## The following object is masked from 'package:purrr':
##
## lifttraining_set$Transported <- as.factor(training_set$Transported)
testing_set$Transported <- as.factor(testing_set$Transported)
train_set$Transported <- as.factor(train_set$Transported)fit_tree <- rpart(Transported ~ ., data = training_set)
summary(fit_tree)## Call:
## rpart(formula = Transported ~ ., data = training_set)
## n= 6520
##
## CP nsplit rel error xerror xstd
## 1 0.43016069 0 1.0000000 1.0000000 0.01247595
## 2 0.03574372 1 0.5698393 0.5698393 0.01123791
## 3 0.01000000 4 0.4626082 0.4663164 0.01052385
##
## Variable importance
## CryoSleep Spa VRDeck RoomService FoodCourt ShoppingMall
## 43 16 15 12 7 4
## HomePlanet deck
## 2 1
##
## Node number 1: 6520 observations, complexity param=0.4301607
## predicted class=TRUE expected loss=0.496319 P(node) =1
## class counts: 3236 3284
## probabilities: 0.496 0.504
## left son=2 (4240 obs) right son=3 (2280 obs)
## Primary splits:
## CryoSleep splits as LRL, improve=683.0583, (0 missing)
## RoomService < 0.5 to the right, improve=412.4664, (0 missing)
## Spa < 0.5 to the right, improve=372.3306, (0 missing)
## VRDeck < 0.5 to the right, improve=353.3889, (0 missing)
## ShoppingMall < 0.5 to the right, improve=228.9794, (0 missing)
## Surrogate splits:
## Spa < 0.5 to the right, agree=0.716, adj=0.188, (0 split)
## FoodCourt < 0.5 to the right, agree=0.702, adj=0.148, (0 split)
## VRDeck < 0.5 to the right, agree=0.700, adj=0.141, (0 split)
## RoomService < 0.5 to the right, agree=0.696, adj=0.130, (0 split)
## ShoppingMall < 0.5 to the right, agree=0.686, adj=0.101, (0 split)
##
## Node number 2: 4240 observations, complexity param=0.03574372
## predicted class=FALSE expected loss=0.3358491 P(node) =0.6503067
## class counts: 2816 1424
## probabilities: 0.664 0.336
## left son=4 (1087 obs) right son=5 (3153 obs)
## Primary splits:
## RoomService < 343 to the right, improve=104.04900, (0 missing)
## Age < 12.5 to the right, improve= 87.14388, (0 missing)
## Spa < 241.5 to the right, improve= 84.79330, (0 missing)
## FoodCourt < 2168 to the left, improve= 67.12339, (0 missing)
## VRDeck < 420.5 to the right, improve= 58.17805, (0 missing)
## Surrogate splits:
## HomePlanet splits as RRLR, agree=0.788, adj=0.175, (0 split)
## deck splits as RRRLRRRRR, agree=0.748, adj=0.016, (0 split)
## Age < 78.5 to the right, agree=0.744, adj=0.002, (0 split)
##
## Node number 3: 2280 observations
## predicted class=TRUE expected loss=0.1842105 P(node) =0.3496933
## class counts: 420 1860
## probabilities: 0.184 0.816
##
## Node number 4: 1087 observations
## predicted class=FALSE expected loss=0.1471941 P(node) =0.1667178
## class counts: 927 160
## probabilities: 0.853 0.147
##
## Node number 5: 3153 observations, complexity param=0.03574372
## predicted class=FALSE expected loss=0.400888 P(node) =0.483589
## class counts: 1889 1264
## probabilities: 0.599 0.401
## left son=10 (1034 obs) right son=11 (2119 obs)
## Primary splits:
## Spa < 205 to the right, improve=131.21170, (0 missing)
## VRDeck < 135.5 to the right, improve=103.53150, (0 missing)
## Age < 12.5 to the right, improve= 60.28573, (0 missing)
## ShoppingMall < 790.5 to the left, improve= 45.61195, (0 missing)
## FoodCourt < 2200.5 to the left, improve= 45.01959, (0 missing)
## Surrogate splits:
## HomePlanet splits as RLRR, agree=0.699, adj=0.081, (0 split)
## deck splits as LRLRRRRLR, agree=0.687, adj=0.044, (0 split)
## VRDeck < 2794.5 to the right, agree=0.676, adj=0.014, (0 split)
## FoodCourt < 3197.5 to the right, agree=0.676, adj=0.012, (0 split)
## Age < 59.5 to the right, agree=0.673, adj=0.002, (0 split)
##
## Node number 10: 1034 observations
## predicted class=FALSE expected loss=0.1943907 P(node) =0.158589
## class counts: 833 201
## probabilities: 0.806 0.194
##
## Node number 11: 2119 observations, complexity param=0.03574372
## predicted class=TRUE expected loss=0.4983483 P(node) =0.325
## class counts: 1056 1063
## probabilities: 0.498 0.502
## left son=22 (604 obs) right son=23 (1515 obs)
## Primary splits:
## VRDeck < 363.5 to the right, improve=135.42270, (0 missing)
## FoodCourt < 2071 to the left, improve= 50.37469, (0 missing)
## HomePlanet splits as LRRL, improve= 40.97469, (0 missing)
## ShoppingMall < 1540.5 to the left, improve= 31.65683, (0 missing)
## Age < 10.5 to the right, improve= 29.32195, (0 missing)
## Surrogate splits:
## FoodCourt < 7197.5 to the right, agree=0.717, adj=0.008, (0 split)
## deck splits as RRLRRRRRR, agree=0.716, adj=0.003, (0 split)
## Age < 68.5 to the right, agree=0.715, adj=0.002, (0 split)
##
## Node number 22: 604 observations
## predicted class=FALSE expected loss=0.218543 P(node) =0.09263804
## class counts: 472 132
## probabilities: 0.781 0.219
##
## Node number 23: 1515 observations
## predicted class=TRUE expected loss=0.3854785 P(node) =0.232362
## class counts: 584 931
## probabilities: 0.385 0.615rpart.plot(fit_tree)
preds = predict(fit_tree, newdata = testing_set[-11], type = "class")y_pred = ifelse(preds == TRUE, 1, 0)cm = table(y_true, y_pred)cm## y_pred
## y_true 0 1
## 0 735 344
## 1 170 924(735+924)/2173## [1] 0.7634607fit_tree <- rpart(Transported ~ ., data = training_set)
summary(fit_tree)## Call:
## rpart(formula = Transported ~ ., data = training_set)
## n= 6520
##
## CP nsplit rel error xerror xstd
## 1 0.43016069 0 1.0000000 1.0160692 0.01247582
## 2 0.03574372 1 0.5698393 0.5698393 0.01123791
## 3 0.01000000 4 0.4626082 0.4697157 0.01055054
##
## Variable importance
## CryoSleep Spa VRDeck RoomService FoodCourt ShoppingMall
## 43 16 15 12 7 4
## HomePlanet deck
## 2 1
##
## Node number 1: 6520 observations, complexity param=0.4301607
## predicted class=TRUE expected loss=0.496319 P(node) =1
## class counts: 3236 3284
## probabilities: 0.496 0.504
## left son=2 (4240 obs) right son=3 (2280 obs)
## Primary splits:
## CryoSleep splits as LRL, improve=683.0583, (0 missing)
## RoomService < 0.5 to the right, improve=412.4664, (0 missing)
## Spa < 0.5 to the right, improve=372.3306, (0 missing)
## VRDeck < 0.5 to the right, improve=353.3889, (0 missing)
## ShoppingMall < 0.5 to the right, improve=228.9794, (0 missing)
## Surrogate splits:
## Spa < 0.5 to the right, agree=0.716, adj=0.188, (0 split)
## FoodCourt < 0.5 to the right, agree=0.702, adj=0.148, (0 split)
## VRDeck < 0.5 to the right, agree=0.700, adj=0.141, (0 split)
## RoomService < 0.5 to the right, agree=0.696, adj=0.130, (0 split)
## ShoppingMall < 0.5 to the right, agree=0.686, adj=0.101, (0 split)
##
## Node number 2: 4240 observations, complexity param=0.03574372
## predicted class=FALSE expected loss=0.3358491 P(node) =0.6503067
## class counts: 2816 1424
## probabilities: 0.664 0.336
## left son=4 (1087 obs) right son=5 (3153 obs)
## Primary splits:
## RoomService < 343 to the right, improve=104.04900, (0 missing)
## Age < 12.5 to the right, improve= 87.14388, (0 missing)
## Spa < 241.5 to the right, improve= 84.79330, (0 missing)
## FoodCourt < 2168 to the left, improve= 67.12339, (0 missing)
## VRDeck < 420.5 to the right, improve= 58.17805, (0 missing)
## Surrogate splits:
## HomePlanet splits as RRLR, agree=0.788, adj=0.175, (0 split)
## deck splits as RRRLRRRRR, agree=0.748, adj=0.016, (0 split)
## Age < 78.5 to the right, agree=0.744, adj=0.002, (0 split)
##
## Node number 3: 2280 observations
## predicted class=TRUE expected loss=0.1842105 P(node) =0.3496933
## class counts: 420 1860
## probabilities: 0.184 0.816
##
## Node number 4: 1087 observations
## predicted class=FALSE expected loss=0.1471941 P(node) =0.1667178
## class counts: 927 160
## probabilities: 0.853 0.147
##
## Node number 5: 3153 observations, complexity param=0.03574372
## predicted class=FALSE expected loss=0.400888 P(node) =0.483589
## class counts: 1889 1264
## probabilities: 0.599 0.401
## left son=10 (1034 obs) right son=11 (2119 obs)
## Primary splits:
## Spa < 205 to the right, improve=131.21170, (0 missing)
## VRDeck < 135.5 to the right, improve=103.53150, (0 missing)
## Age < 12.5 to the right, improve= 60.28573, (0 missing)
## ShoppingMall < 790.5 to the left, improve= 45.61195, (0 missing)
## FoodCourt < 2200.5 to the left, improve= 45.01959, (0 missing)
## Surrogate splits:
## HomePlanet splits as RLRR, agree=0.699, adj=0.081, (0 split)
## deck splits as LRLRRRRLR, agree=0.687, adj=0.044, (0 split)
## VRDeck < 2794.5 to the right, agree=0.676, adj=0.014, (0 split)
## FoodCourt < 3197.5 to the right, agree=0.676, adj=0.012, (0 split)
## Age < 59.5 to the right, agree=0.673, adj=0.002, (0 split)
##
## Node number 10: 1034 observations
## predicted class=FALSE expected loss=0.1943907 P(node) =0.158589
## class counts: 833 201
## probabilities: 0.806 0.194
##
## Node number 11: 2119 observations, complexity param=0.03574372
## predicted class=TRUE expected loss=0.4983483 P(node) =0.325
## class counts: 1056 1063
## probabilities: 0.498 0.502
## left son=22 (604 obs) right son=23 (1515 obs)
## Primary splits:
## VRDeck < 363.5 to the right, improve=135.42270, (0 missing)
## FoodCourt < 2071 to the left, improve= 50.37469, (0 missing)
## HomePlanet splits as LRRL, improve= 40.97469, (0 missing)
## ShoppingMall < 1540.5 to the left, improve= 31.65683, (0 missing)
## Age < 10.5 to the right, improve= 29.32195, (0 missing)
## Surrogate splits:
## FoodCourt < 7197.5 to the right, agree=0.717, adj=0.008, (0 split)
## deck splits as RRLRRRRRR, agree=0.716, adj=0.003, (0 split)
## Age < 68.5 to the right, agree=0.715, adj=0.002, (0 split)
##
## Node number 22: 604 observations
## predicted class=FALSE expected loss=0.218543 P(node) =0.09263804
## class counts: 472 132
## probabilities: 0.781 0.219
##
## Node number 23: 1515 observations
## predicted class=TRUE expected loss=0.3854785 P(node) =0.232362
## class counts: 584 931
## probabilities: 0.385 0.615rpart.plot(fit_tree)
preds = predict(fit_tree, newdata = test_set, type = "class")y_pred = ifelse(preds == TRUE, TRUE, FALSE)
