Es necesario instalar la libreria PsyMetricTools desde github.
if (!require("devtools")) {
install.packages("devtools")
}
devtools::install_github("jventural/PsyMetricTools")Instalar la libreria “pacman”
install.packages("pacman")La biblioteca “pacman” es una herramienta que, al utilizar la función
p_load, permite instalar automáticamente una biblioteca si
no está previamente instalada, y simplemente cargarla si ya está
presente en el entorno. La función que se utiliza en la libreria
PsyMetricTools se basa en los codigos de la libreria careless
pacman::p_load(tidyverse,PsyMetricTools, careless)El conjunto de datos psych::bfi (que contiene datos de
personalidad del Big Five Inventory) se carga y se convierte en un
tibble (as_tibble()), luego se eliminan las filas que
contienen valores faltantes (na.omit()). Finalmente, se
selecciona la variable género, que será la variable de comparación.
# data
big5 <- psych::bfi %>%
as_tibble() %>%
na.omit() %>%
select(A1:gender) En esta data existe un desbalance de los datos, porque existen existe casi el doble de mujeres con respecto a los varones. Males = 1, Females =2
big5 %>% count(gender)## # A tibble: 2 × 2
## gender n
## <int> <int>
## 1 1 735
## 2 2 1501Se genera un vector de nombres nuevos para las columnas llamado
nuevos_nombres, utilizando la función paste0()
para concatenar el prefijo “bif” con los números del 1 al 25.
# Renombrar las columnas
nuevos_nombres <- c(paste0("bif", 1:25), "gender")Se renombran las columnas del conjunto de datos big5
utilizando los nombres generados en el paso anterior
(nuevos_nombres) mediante la función
rename_with(), aplicada a todas las columnas
(everything()), y se almacena el resultado en un nuevo
objeto llamado big5_new.
# Aplicar los nuevos nombres a las columnas
big5_new <- big5 %>%
rename_with(~ nuevos_nombres, everything())La función smote_multiclass permite equilibrar los datos
en variables de resultado con más de dos grupos, extendiendo la
funcionalidad de la biblioteca desarrollada por Dongyuan (2022). Para
obtener más detalles sobre cómo funciona el algoritmo SMOTE, se
recomienda revisar los trabajos de Islahulhaq y Ratih (2021) y
Wongvorachan et al. (2023).
balanced_data <- PsyMetricTools::smote_multiclass(big5_new, outcome = "gender", perc_maj = 100, k = 5)
balanced_data %>% count(gender)## # A tibble: 2 × 2
## gender n
## <chr> <int>
## 1 1 1501
## 2 2 1501Ventura-León, J. (2024). PsyMetricTools [Software]. GitHub. https://github.com/jventural/PsyMetricTools
Dongyuan, W. (2022). RSBID [Software]. GitHub. https://github.com/dongyuanwu/RSBID
Islahulhaq, W. W., & Ratih, I. D. (2021). Classification of Non-Performing Financing Using Logistic Regression and Synthetic Minority Over-sampling Technique-Nominal Continuous (SMOTE-NC). Int. J. Adv. Soft Comput. Appl, 13, 115-128.
Wongvorachan, T., He, S., & Bulut, O. (2023). A comparison of undersampling, oversampling, and SMOTE methods for dealing with imbalanced classification in educational data mining. Information, 14(1), 54.