#cargar las librerías necesarias
library(ggplot2)
library(ggplot2)
library(MASS)
library(mosaic)
library(knitr)
library(kableExtra)
library(modeest)
library(e1071)
library(nortest)
library(lmtest)
library(palmerpenguins)
library(caret)
library(rpart)
library(rpart.plot)Objetivo :
Predecir qué especie de pinguino es
Análisis exploratorio
summary(penguins) species island bill_length_mm bill_depth_mm
Adelie :152 Biscoe :168 Min. :32.10 Min. :13.10
Chinstrap: 68 Dream :124 1st Qu.:39.23 1st Qu.:15.60
Gentoo :124 Torgersen: 52 Median :44.45 Median :17.30
Mean :43.92 Mean :17.15
3rd Qu.:48.50 3rd Qu.:18.70
Max. :59.60 Max. :21.50
NA's :2 NA's :2
flipper_length_mm body_mass_g sex year
Min. :172.0 Min. :2700 female:165 Min. :2007
1st Qu.:190.0 1st Qu.:3550 male :168 1st Qu.:2007
Median :197.0 Median :4050 NA's : 11 Median :2008
Mean :200.9 Mean :4202 Mean :2008
3rd Qu.:213.0 3rd Qu.:4750 3rd Qu.:2009
Max. :231.0 Max. :6300 Max. :2009
NA's :2 NA's :2
# Eliminar todas las filas que contienen NA
penguins_limpios <- na.omit(penguins)sapply(penguins, function(x) sum(is.na(x))) species island bill_length_mm bill_depth_mm
0 0 2 2
flipper_length_mm body_mass_g sex year
2 2 11 0
# Consultar la estructura
str(penguins_limpios)tibble [333 × 8] (S3: tbl_df/tbl/data.frame)
$ species : Factor w/ 3 levels "Adelie","Chinstrap",..: 1 1 1 1 1 1 1 1 1 1 ...
$ island : Factor w/ 3 levels "Biscoe","Dream",..: 3 3 3 3 3 3 3 3 3 3 ...
$ bill_length_mm : num [1:333] 39.1 39.5 40.3 36.7 39.3 38.9 39.2 41.1 38.6 34.6 ...
$ bill_depth_mm : num [1:333] 18.7 17.4 18 19.3 20.6 17.8 19.6 17.6 21.2 21.1 ...
$ flipper_length_mm: int [1:333] 181 186 195 193 190 181 195 182 191 198 ...
$ body_mass_g : int [1:333] 3750 3800 3250 3450 3650 3625 4675 3200 3800 4400 ...
$ sex : Factor w/ 2 levels "female","male": 2 1 1 1 2 1 2 1 2 2 ...
$ year : int [1:333] 2007 2007 2007 2007 2007 2007 2007 2007 2007 2007 ...
- attr(*, "na.action")= 'omit' Named int [1:11] 4 9 10 11 12 48 179 219 257 269 ...
..- attr(*, "names")= chr [1:11] "4" "9" "10" "11" ...
# Seleccionar las variables de interés
Pinguinos <- penguins[, c("species","island", "sex",
"body_mass_g", "flipper_length_mm", "bill_length_mm","bill_depth_mm")]Dividir los datos en conjunto de entrenamiento y prueba
set.seed(2025)
folds <- createFolds(penguins_limpios$species, k = 5)
# Crear conjunto de entrenamiento (80 % aprox.)
Pinguinos_entrenamiento <- penguins_limpios[-folds[[5]], ]
# Crear conjunto de prueba (20 % aprox.)
Pinguinos_prueba <- penguins_limpios[folds[[5]], ]Construimos el modelo ajustado con los datos de entrenamiento.
modelopinguinos <- rpart(species ~ ., data = Pinguinos_entrenamiento, method = "class")
modelopinguinosn= 266
node), split, n, loss, yval, (yprob)
* denotes terminal node
1) root 266 150 Adelie (0.436090226 0.206766917 0.357142857)
2) flipper_length_mm< 206.5 168 54 Adelie (0.678571429 0.315476190 0.005952381)
4) bill_length_mm< 43.35 114 4 Adelie (0.964912281 0.035087719 0.000000000) *
5) bill_length_mm>=43.35 54 5 Chinstrap (0.074074074 0.907407407 0.018518519) *
3) flipper_length_mm>=206.5 98 4 Gentoo (0.020408163 0.020408163 0.959183673) *
rpart.plot(
modelopinguinos,
digits = -4, # Positivo para mostrar decimales correctos (ej. 3 decimales)
type = 2,
extra = 104, # Muestra la clase predicha, n y las probabilidades de cada clase
box.palette = "RdYlGn",
fallen.leaves = TRUE,
branch.lty = 3,
main = "Modelo de Árbol de Decisión:
Predicción de especies de pinguinos:Gentoo, Adelie y Chinstrap"
)library(ggplot2)
ggplot(penguins_limpios,
aes(x = flipper_length_mm,
y = bill_length_mm,
color = species)) +
geom_point(size = 3, alpha = 0.8) +
labs(
title = "Distribución de pingüinos según sus características físicas",
subtitle = "Comparación de las especies Adelie, Chinstrap y Gentoo",
x = "Longitud de la aleta (mm)",
y = "Longitud del pico (mm)",
color = "Especie"
) +
theme_minimal() +
scale_color_manual(
values = c(
"Adelie" = "#F39A38",
"Chinstrap" = "#2B5C8F",
"Gentoo" = "#68B984"
)
)