Maestría 2020 - UPrivada - Ing. Agrónoma
Cargamos las librerias a utilizar
#############################################library(dplyr) # for data manipulation
library(caret) # for model-building
library(DMwR) # for smote implementation
library(purrr) # for functional programming (map)
library(pROC)
library(knitr)
library(qgraph)
library(nortest)
library(magrittr)
library(dplyr)
library(tidyr)
library(e1071)
library(OneR)
library(tidyverse) # data manipulation and visualization
library(ggplot2) # plot arrangement
library(gridExtra) # plot arrangement
library(caret)
library(ggplot2)
library(FactoMineR)
library(factoextra)
#library(modes) # MODA VER EL COMPORTAMIENTO GENERAL DE LA INF
library(randomForest)
library(klaR)
#CARGAS DATOS PARA TRABAJAR MODELO PREDICTIVO
############################################
ruta <- 'C:'
setwd('C:')
# ruta <- 'C:/Users/Jhampier/Google Drive/Maestria/TESIS DE MAESTRIA/Proyecto'
# setwd('C:/Users/Jhampier/Google Drive/Maestria/TESIS DE MAESTRIA/Proyecto')
#Leer el conjunto de datos del archivo CSV
DataSetUprivada <- read.table(paste(ruta, "/DataSetUprivadaBinarizadaSinRuidoFuturo.csv",sep=""),header=TRUE,sep=";",stringsAsFactors = FALSE) ## dec="." es separador decimal
##########################################################
########## 2 COMPRESION DE DATOS Y 3 PREPARACIÓN DE DATOS#####
##########################################################
str(DataSetUprivada)'data.frame': 35693 obs. of 28 variables:
$ CodAlumno : chr "20000062092012-1" "20000062092012-2" "20000062092013-1" "20000062092013-2" ...
$ SemestresEstudiadosAcum : int 1 2 3 4 1 2 3 4 1 2 ...
$ CantCursosLlevadosAcum : int 7 15 22 29 6 13 20 28 6 11 ...
$ CursosLlevadosFueraCarreraAcum: int 1 2 3 4 1 2 3 4 1 2 ...
$ AvgSinAplzAcum : chr "10,52" "11,47" "11,41" "11,34" ...
$ AvgConAplzAcum : chr "10,76" "11,59" "11,44" "11,46" ...
$ CantCursosAplzAcum : int 1 1 2 3 2 3 4 6 1 1 ...
$ SumCredTeoAcum : int 15 30 44 58 14 27 40 56 12 21 ...
$ SumCredPraAcum : int 7 14 21 28 6 13 20 27 6 11 ...
$ edad : int 20 20 21 21 20 20 21 21 34 35 ...
$ SEXO : chr "M" "M" "M" "M" ...
$ AvgVezMatriAcum : chr "1,14" "1,13" "1,09" "1,07" ...
$ CarreraProfesional : chr "INGENIERIA AGRONOMICA" "INGENIERIA AGRONOMICA" "INGENIERIA AGRONOMICA" "INGENIERIA AGRONOMICA" ...
$ MODALIDAD_INGRESO : chr "Primeros Puestos" "Primeros Puestos" "Primeros Puestos" "Primeros Puestos" ...
$ ANIO_INGRESO : int 2009 2009 2009 2009 2009 2009 2009 2009 2009 2009 ...
$ UBIG_NACIMIENTO : chr "JOSE LUIS BUSTAMANTE Y RIVERO" "JOSE LUIS BUSTAMANTE Y RIVERO" "JOSE LUIS BUSTAMANTE Y RIVERO" "JOSE LUIS BUSTAMANTE Y RIVERO" ...
$ UBIG_RESIDENCIA : chr "JOSE LUIS BUSTAMANTE Y RIVERO" "JOSE LUIS BUSTAMANTE Y RIVERO" "JOSE LUIS BUSTAMANTE Y RIVERO" "JOSE LUIS BUSTAMANTE Y RIVERO" ...
$ TIPO_VIVIENDA : chr "CASA" "CASA" "CASA" "CASA" ...
$ GradoInstruccionPapa : chr "SUPERIOR UNIV. INCOMPLETA" "SUPERIOR UNIV. INCOMPLETA" "SUPERIOR UNIV. INCOMPLETA" "SUPERIOR UNIV. INCOMPLETA" ...
$ ProfesionPapa : chr "OTROS" "OTROS" "OTROS" "OTROS" ...
$ OcupacionPapa : chr "EMPRESARIO" "EMPRESARIO" "EMPRESARIO" "EMPRESARIO" ...
$ GradoInstruccionMama : chr "SUPERIOR TECNICA INCOMPLETA" "SUPERIOR TECNICA INCOMPLETA" "SUPERIOR TECNICA INCOMPLETA" "SUPERIOR TECNICA INCOMPLETA" ...
$ ProfesionMama : chr "OTROS" "OTROS" "OTROS" "OTROS" ...
$ OcupacionMama : chr "EMPLEADO" "EMPLEADO" "EMPLEADO" "EMPLEADO" ...
$ CantCursosAnulados : int 1 1 1 1 0 0 0 0 0 0 ...
$ categoria : chr "CONTINUA" "CONTINUA" "CONTINUA" "EGRESADO" ...
$ categoriaBinarizada : int 0 0 0 0 0 0 0 1 0 0 ...
$ ProbabDesercion : chr "14,24" "10,24" "6,61" "5,87" ...#DATASET INICILA
DataSetUprivada########################################################
## DIMENSIONES - CANTIDAD DE FILAS Y VARIABLES(COLUMNAS)
nrow(DataSetUprivada)#[1] 35693[1] 35693ncol(DataSetUprivada)#[1] 27 -1 de categoria(var categorica)[1] 28colnames(DataSetUprivada)#Nombres de Variables [1] "CodAlumno" "SemestresEstudiadosAcum"
[3] "CantCursosLlevadosAcum" "CursosLlevadosFueraCarreraAcum"
[5] "AvgSinAplzAcum" "AvgConAplzAcum"
[7] "CantCursosAplzAcum" "SumCredTeoAcum"
[9] "SumCredPraAcum" "edad"
[11] "SEXO" "AvgVezMatriAcum"
[13] "CarreraProfesional" "MODALIDAD_INGRESO"
[15] "ANIO_INGRESO" "UBIG_NACIMIENTO"
[17] "UBIG_RESIDENCIA" "TIPO_VIVIENDA"
[19] "GradoInstruccionPapa" "ProfesionPapa"
[21] "OcupacionPapa" "GradoInstruccionMama"
[23] "ProfesionMama" "OcupacionMama"
[25] "CantCursosAnulados" "categoria"
[27] "categoriaBinarizada" "ProbabDesercion" ##NOMBRES Y TIPOS DE DATOS DE LAS COLUMNAS
#sapply(DataSetUprivada, mode)
#summary(DataSetUprivada)#PODEMOS OBSERVAR EN EL POWER
summary(DataSetUprivada$CarreraProfesional)#PODEMOS OBSERVAR EN EL POWER Length Class Mode
35693 character character ########################################################
########### PREPARACIÓN DE DATA POR VARIABLES ########
########################################################
###Converision para tipo de dato correcto
DataSetUPRIVADAFRMTO <-transform(DataSetUprivada,
SEXO = as.factor(as.character(SEXO)),
CarreraProfesional = as.factor(as.character(CarreraProfesional)),
MODALIDAD_INGRESO = as.factor(as.character(MODALIDAD_INGRESO)),
UBIG_NACIMIENTO = as.factor(as.character(UBIG_NACIMIENTO)),
UBIG_RESIDENCIA = as.factor(as.character(UBIG_RESIDENCIA)),
TIPO_VIVIENDA = as.factor(as.character(TIPO_VIVIENDA)),
GradoInstruccionPapa = as.factor(as.character(GradoInstruccionPapa)),
ProfesionPapa = as.factor(as.character(ProfesionPapa)),
OcupacionPapa = as.factor(as.character(OcupacionPapa)),
GradoInstruccionMama = as.factor(as.character(GradoInstruccionMama)),
ProfesionMama = as.factor(as.character(ProfesionMama)),
OcupacionMama = as.factor(as.character(OcupacionMama))
,categoriaBinarizada = as.factor(as.character(categoriaBinarizada))
)
DataSetUPRIVADAFRMTO[,'AvgSinAplzAcum'] <- as.numeric(sub(",", ".", DataSetUPRIVADAFRMTO[,'AvgSinAplzAcum']
, fixed = TRUE))
DataSetUPRIVADAFRMTO[,'AvgConAplzAcum'] <- as.numeric(sub(",", ".", DataSetUPRIVADAFRMTO[,'AvgConAplzAcum']
, fixed = TRUE))
DataSetUPRIVADAFRMTO[,'AvgVezMatriAcum'] <- as.numeric(sub(",", ".", DataSetUPRIVADAFRMTO[,'AvgVezMatriAcum']
, fixed = TRUE))
DataSetUPRIVADAFRMTO[,'ProbabDesercion'] <- as.numeric(sub(",", ".", DataSetUPRIVADAFRMTO[,'ProbabDesercion']
, fixed = TRUE))
##sapply(DataSetUPRIVADAFRMTO, mode)
ListVar.Categ <- c('SEXO','CarreraProfesional','MODALIDAD_INGRESO'
,'UBIG_NACIMIENTO','UBIG_RESIDENCIA','TIPO_VIVIENDA'
,'GradoInstruccionPapa','ProfesionPapa','OcupacionPapa'
,'GradoInstruccionMama','ProfesionMama','OcupacionMama') # 12
Var.Objetivo <- c('categoriaBinarizada') #c('categoria') # 1
ListVar.Continuas <- c('SemestresEstudiadosAcum'
,'CantCursosLlevadosAcum'
,'CursosLlevadosFueraCarreraAcum'
,'AvgSinAplzAcum','AvgConAplzAcum'
,'CantCursosAplzAcum'
,'SumCredTeoAcum'
,'SumCredPraAcum'
,'edad'
#T#,'AvgVezMatriAcum'
,'ANIO_INGRESO'
#T#,'CantCursosAnulados' # 12
,'ProbabDesercion'
)
Var.Identificacion <- c('CodAlumno') # 1
Var.TodasUprivada <- c(ListVar.Categ ,ListVar.Continuas , Var.Objetivo)
##############################################################################
# ###ORDENAMOS EL DATASET CRONOLOGICAMENTE
############################################################################
### DATASET PREVIO AL ORDENAMIENTO CRONOLóGICO
### DataSetUPRIVADAFRMTO
TotalFilas <- nrow(DataSetUPRIVADAFRMTO) #35687
SortUltimaFila=vector(mode='numeric', length=TotalFilas)
SortUltimaFila2=vector(mode='numeric', length=TotalFilas)
##Obtendremos las variables dle codigod el alumno para ordenar el dataset
NuevoDataSetUPRIVADAFRMTO = data.frame(DataSetUPRIVADAFRMTO, SortUltimaFila,SortUltimaFila2)
#View(NuevoDataSetUPRIVADAFRMTO)
#summary(NuevoDataSetUPRIVADAFRMTO)
NuevoDataSetUPRIVADAFRMTO$SortUltimaFila=as.numeric( substr(NuevoDataSetUPRIVADAFRMTO$CodAlumno, 11, 14))
NuevoDataSetUPRIVADAFRMTO$SortUltimaFila2=as.numeric( substr(NuevoDataSetUPRIVADAFRMTO$CodAlumno, 16, 17))
###ORDENAMOS EL DATA SET
SortNuevoDataSetUPRIVADAFRMTO <- NuevoDataSetUPRIVADAFRMTO[order(NuevoDataSetUPRIVADAFRMTO$SortUltimaFila,NuevoDataSetUPRIVADAFRMTO$SortUltimaFila2),]
#DATASET ORDENADO
SortNuevoDataSetUPRIVADAFRMTO#DATASET ORDENADOSortNuevoDataSetUPRIVADAFRMTO$SortUltimaFila <- NULL ##ELIMINARNOS LAS FILAS DE ORDENAMIENTO
SortNuevoDataSetUPRIVADAFRMTO$SortUltimaFila2 <- NULL ##ELIMINARNOS LAS FILAS DE ORDENAMIENTO
##Reemplamos en el dataset que se trabajarn los modelos
DataSetUPRIVADAFRMTO<-SortNuevoDataSetUPRIVADAFRMTOObservamos el DATASET ordenado cronologicamente
# Resultado DESPUES
DataSetUPRIVADAFRMTO #### EL NUEVO DATA SET SE ENCUENTRA ORDENADO CRONOLOGICAMENTEncol(DataSetUPRIVADAFRMTO) ### CANTIDAD DE VARIABLES[1] 28glimpse(DataSetUPRIVADAFRMTO)Observations: 35,693
Variables: 28
$ CodAlumno <chr> "20000062092012-1", "20000063092012-1"…
$ SemestresEstudiadosAcum <int> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,…
$ CantCursosLlevadosAcum <int> 7, 6, 6, 2, 5, 6, 6, 5, 5, 5, 5, 6, 5,…
$ CursosLlevadosFueraCarreraAcum <int> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,…
$ AvgSinAplzAcum <dbl> 10.52, 10.33, 12.05, 7.33, 8.93, 10.89…
$ AvgConAplzAcum <dbl> 10.76, 10.67, 13.00, 7.50, 9.27, 11.22…
$ CantCursosAplzAcum <int> 1, 2, 1, 1, 1, 1, 0, 2, 0, 0, 1, 1, 0,…
$ SumCredTeoAcum <int> 15, 14, 12, 4, 11, 14, 14, 10, 9, 10, …
$ SumCredPraAcum <int> 7, 6, 6, 2, 3, 6, 6, 5, 5, 5, 5, 5, 4,…
$ edad <int> 20, 20, 34, 19, 22, 20, 20, 20, 26, 20…
$ SEXO <fct> M, M, F, M, F, F, M, M, M, M, M, M, M,…
$ AvgVezMatriAcum <dbl> 1.14, 1.00, 1.00, 2.00, 1.40, 1.00, 1.…
$ CarreraProfesional <fct> INGENIERIA AGRONOMICA, INGENIERIA AGRO…
$ MODALIDAD_INGRESO <fct> Primeros Puestos, Primeros Puestos, Gr…
$ ANIO_INGRESO <int> 2009, 2009, 2009, 2009, 2009, 2009, 20…
$ UBIG_NACIMIENTO <fct> JOSE LUIS BUSTAMANTE Y RIVERO, SAMUEL …
$ UBIG_RESIDENCIA <fct> JOSE LUIS BUSTAMANTE Y RIVERO, JOSE LU…
$ TIPO_VIVIENDA <fct> CASA, DEPARTAMENTO, CASA, CASA, CASA, …
$ GradoInstruccionPapa <fct> SUPERIOR UNIV. INCOMPLETA, SUPERIOR UN…
$ ProfesionPapa <fct> "OTROS", "PROFESION ...", "OTROS", "PR…
$ OcupacionPapa <fct> EMPRESARIO, AGRICULTOR, FF. POLICIALES…
$ GradoInstruccionMama <fct> SUPERIOR TECNICA INCOMPLETA, SECUNDARI…
$ ProfesionMama <fct> OTROS, PROFESION ..., OTROS, PROFESION…
$ OcupacionMama <fct> EMPLEADO, AMA DE CASA, EMPLEADO, AMA D…
$ CantCursosAnulados <int> 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0,…
$ categoria <chr> "CONTINUA", "CONTINUA", "CONTINUA", "C…
$ categoriaBinarizada <fct> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1,…
$ ProbabDesercion <dbl> 14.24, 14.24, 14.24, 14.24, 14.24, 14.…Configuración para el modelo de entrenamiento
## OBSERVAMOS LAS CARRERAS PROFESIONALES
summary(DataSetUPRIVADAFRMTO$CarreraProfesional) INGENIERIA AGRONOMICA
952
INGENIERIA AGRONOMICA Y AGRICOLA
551
INGENIERIA DE INDUSTRIA ALIMENTARIA
2392
INGENIERIA DE MINAS
3119
INGENIERIA DE SISTEMAS
4537
INGENIERIA ELECTRONICA
3699
INGENIERIA INDUSTRIAL
8791
INGENIERIA MECANICA, MECANICA-ELECTRICA Y MECATRONICA
8528
MEDICINA VETERINARIA Y ZOOTECNIA
3124 #### ACTUALIZAMOS EL VALOR DE ING AGRONÓMICA POR SER EL MISMO DATOS INGENIERIA AGRONOMICA = INGENIERIA AGRONOMICA Y AGRICOLA
DataSetUPRIVADAFRMTO$CarreraProfesional[DataSetUPRIVADAFRMTO$CarreraProfesional == "INGENIERIA AGRONOMICA"] <- "INGENIERIA AGRONOMICA Y AGRICOLA"
DataSetUPRIVADAFRMTO$CarreraProfesional <- droplevels(DataSetUPRIVADAFRMTO$CarreraProfesional)
#### FILTRAMOS DATOS SOLO HASTA EL PRIMER SEMESTRE DEL 2017 POR RAZONES DE DATA COMPLETA"
##Solo se trabaja con dastos hasta el primer semestre del 2017 - Tambien filtraremos la carreara profesional
DataSetUPRIVADAFRMTO.RF <-DataSetUPRIVADAFRMTO[substr(DataSetUPRIVADAFRMTO$CodAlumno, 11, 17)!="2017-2",Var.TodasUprivada] %>% filter(gsub("^\\s+|\\s+$", "",CarreraProfesional) =="INGENIERIA AGRONOMICA Y AGRICOLA" ) %>% droplevels
####################################################
##ANALISIS DE CANTIDAD DE REGISTROS POR SEMESTRE
#Solo se trabaja con datos hasta el primer semestre del 2017
DataSetUPRIVADAFRMTO.tmp <- DataSetUPRIVADAFRMTO[substr(DataSetUPRIVADAFRMTO$CodAlumno, 11, 17)!="2017-2" ,c( "CodAlumno",Var.TodasUprivada)] %>% filter(gsub("^\\s+|\\s+$", "",CarreraProfesional) =="INGENIERIA AGRONOMICA Y AGRICOLA" ) %>% droplevels
X <-table(as.factor(substr(DataSetUPRIVADAFRMTO.tmp$CodAlumno, 11, 17))) %>% as.data.frame()
colnames(X) <- c("Semestre","Cant")
X$ACUMULADO<- cumsum(X$Cant)
X$PorcetAcum = round(100 *X$ACUMULADO / sum(X$Cant))
#Tabla de Frecuencias absolutas y relativas acumuladas por Semestre
X ### SE TOMA LA DECISIÓN DE PARTICINAR para el entrenamiento al semestre 2015-2 que represetan el 73 % de la data total #Para que las variables se visualicen correctamente
for (variable in ListVar.Categ) { levels(DataSetUPRIVADAFRMTO.RF[,variable]) }
nrow(DataSetUPRIVADAFRMTO.RF)[1] 1487summary(DataSetUPRIVADAFRMTO.RF$CarreraProfesional)INGENIERIA AGRONOMICA Y AGRICOLA
1487 DataSetUPRIVADAFRMTO.RF$CarreraProfesional <- NULL
DataSetUPRIVADAFRMTO.RF$categoriaBinarizada <- as.character(DataSetUPRIVADAFRMTO.RF$categoriaBinarizada)
DataSetUPRIVADAFRMTO.RF$categoriaBinarizada[DataSetUPRIVADAFRMTO.RF$categoriaBinarizada == "0"] <- "NO"### LOS QUE CONTINUAN
DataSetUPRIVADAFRMTO.RF$categoriaBinarizada[DataSetUPRIVADAFRMTO.RF$categoriaBinarizada == "1"] <- "SI"### LOS DESERTORES
DataSetUPRIVADAFRMTO.RF$categoriaBinarizada <- factor(DataSetUPRIVADAFRMTO.RF$categoriaBinarizada)LUEGO DE ORDENAR PROCEDEMOS A ENTRENAR EL MODELO
####################################################
####PODEMOS OBSERVAR EL DESBALANCEO DE LAS CLASES
100*prop.table(table(DataSetUPRIVADAFRMTO.RF$categoriaBinarizada))
NO SI
89.71083 10.28917 summary(DataSetUPRIVADAFRMTO.RF$categoriaBinarizada) NO SI
1334 153 DataSetUPRIVADAFRMTO.RF %>% dplyr::select(categoriaBinarizada) %>%
gather(metric,value) %>%
ggplot(aes(value, fill = metric)) +
geom_bar(show.legend = FALSE) +
facet_wrap(~ metric, scales = "free")
##calculamos las filas para el entrenamiento
TotalFilas <- nrow(DataSetUPRIVADAFRMTO.RF)
#OBservamos el acumulado y la cantidad de alumnos por semestre
X#####Se tomara el 73%% de las de la data para entremiento y el otro 73% sera para TEST
TrainFilas <- 1104 #round(TotalFilas*0.7)
##VEMOS EL DATASET QUE SE UTILIZARA PARA ENTRENAR
#DataSetUPRIVADAFRMTO.RF
###summary(DataSetUPRIVADAFRMTO.RF$ANIO_INGRESO)
#VARIABLES CATEGORICAS
library(dummies)
#Dicotomizacion de variables categoricas
Datos_Dico_cat <- dplyr::select(DataSetUPRIVADAFRMTO.RF
,SEXO,MODALIDAD_INGRESO,UBIG_NACIMIENTO,UBIG_RESIDENCIA
,TIPO_VIVIENDA,GradoInstruccionPapa,ProfesionPapa,OcupacionPapa,GradoInstruccionMama
,ProfesionMama,OcupacionMama)# ListVar.Categ - CarreraProfesional por se se sistemas
Datos_Dico_cat <- dummy.data.frame(Datos_Dico_cat,names=c(
"SEXO","MODALIDAD_INGRESO","UBIG_NACIMIENTO","UBIG_RESIDENCIA"
,"TIPO_VIVIENDA","GradoInstruccionPapa","ProfesionPapa","OcupacionPapa","GradoInstruccionMama"
,"ProfesionMama","OcupacionMama"))#CarreraProfesional
Datos_Dico_cat.names <- c("SemestresEstudiadosAcum" ,"CantCursosLlevadosAcum" ,
"CursosLlevadosFueraCarreraAcum" ,"AvgSinAplzAcum" ,
"AvgConAplzAcum" ,"CantCursosAplzAcum" ,
"SumCredTeoAcum" ,"SumCredPraAcum" ,
"edad" ,"ANIO_INGRESO" ,
"ProbabDesercion" ,"SEXOF" ,
"SEXOM" ,"MODALIDAD_INGRESOCentro Preuniversitario I" ,
"MODALIDAD_INGRESOCentro Preuniversitario II" ,"MODALIDAD_INGRESOCentro Preuniversitario III" ,
"MODALIDAD_INGRESOCobertura de Metas III" ,"MODALIDAD_INGRESODeportista Destacado" ,
"MODALIDAD_INGRESOGraduado o Profesional Universitario" ,"MODALIDAD_INGRESOIngreso Especial Teología" ,
"MODALIDAD_INGRESOPrimer Examen General" ,"MODALIDAD_INGRESOPrimeros Puestos" ,
"MODALIDAD_INGRESOSegundo Examen General" ,"MODALIDAD_INGRESOTercer Examen General" ,
"MODALIDAD_INGRESOTercer Examen General Sede Majes" ,"MODALIDAD_INGRESOTraslado Externo Internacional II" ,
"MODALIDAD_INGRESOTraslado Externo Nacional" ,"MODALIDAD_INGRESOTraslado Externo Nacional II" ,
"MODALIDAD_INGRESOTraslado Interno" ,"MODALIDAD_INGRESOTraslado Interno II" ,
"UBIG_NACIMIENTOALTO SELVA ALEGRE" ,"UBIG_NACIMIENTOAPLAO" ,
"UBIG_NACIMIENTOAREQUIPA" ,"UBIG_NACIMIENTOATE" ,
"UBIG_NACIMIENTOAYAVIRI" ,"UBIG_NACIMIENTOBELLAVISTA" ,
"UBIG_NACIMIENTOCABANACONDE" ,"UBIG_NACIMIENTOCALLERIA" ,
"UBIG_NACIMIENTOCAMANA" ,"UBIG_NACIMIENTOCARAVELI" ,
"UBIG_NACIMIENTOCAYMA" ,"UBIG_NACIMIENTOCERRO COLORADO" ,
"UBIG_NACIMIENTOCHACHAS" ,"UBIG_NACIMIENTOCHALA" ,
"UBIG_NACIMIENTOCOALAQUE" ,"UBIG_NACIMIENTOCOMBAPATA" ,
"UBIG_NACIMIENTOCOPANI" ,"UBIG_NACIMIENTOEL TAMBO" ,
"UBIG_NACIMIENTOESPINAR" ,"UBIG_NACIMIENTOICA" ,
"UBIG_NACIMIENTOILABAYA" ,"UBIG_NACIMIENTOILO" ,
"UBIG_NACIMIENTOJESUS MARIA" ,"UBIG_NACIMIENTOJOSE LUIS BUSTAMANTE Y RIVERO" ,
"UBIG_NACIMIENTOJULIACA" ,"UBIG_NACIMIENTOLA JOYA" ,
"UBIG_NACIMIENTOLA VICTORIA" ,"UBIG_NACIMIENTOLAMPA" ,
"UBIG_NACIMIENTOLIMA" ,"UBIG_NACIMIENTOLLUTA" ,
"UBIG_NACIMIENTOMAJES" ,"UBIG_NACIMIENTOMAÑAZO" ,
"UBIG_NACIMIENTOMARCONA" ,"UBIG_NACIMIENTOMARIANO MELGAR" ,
"UBIG_NACIMIENTOMIRAFLORES" ,"UBIG_NACIMIENTOMOLLENDO" ,
"UBIG_NACIMIENTOMOQUEGUA" ,"UBIG_NACIMIENTONAZCA" ,
"UBIG_NACIMIENTONICOLAS DE PIEROLA" ,"UBIG_NACIMIENTONUÑOA" ,
"UBIG_NACIMIENTOOCOÑA" ,"UBIG_NACIMIENTOOLMOS" ,
"UBIG_NACIMIENTOOMATE" ,"UBIG_NACIMIENTOPAITA" ,
"UBIG_NACIMIENTOPAMPACOLCA" ,"UBIG_NACIMIENTOPAUCARPATA" ,
"UBIG_NACIMIENTOPUNO" ,"UBIG_NACIMIENTOPUNTA DE BOMBON" ,
"UBIG_NACIMIENTOPUTINA" ,"UBIG_NACIMIENTOQUICACHA" ,
"UBIG_NACIMIENTORIMAC" ,"UBIG_NACIMIENTOSACHACA" ,
"UBIG_NACIMIENTOSAMUEL PASTOR" ,"UBIG_NACIMIENTOSAN ANTON" ,
"UBIG_NACIMIENTOSAN VICENTE DE CAÑETE" ,"UBIG_NACIMIENTOSANTA ANA" ,
"UBIG_NACIMIENTOTACNA" ,"UBIG_NACIMIENTOTAMBOPATA" ,
"UBIG_NACIMIENTOTARACO" ,"UBIG_NACIMIENTOTIABAYA" ,
"UBIG_NACIMIENTOTORATA" ,"UBIG_NACIMIENTOURACA" ,
"UBIG_NACIMIENTOVITOR" ,"UBIG_NACIMIENTOWANCHAQ" ,
"UBIG_NACIMIENTOYANAHUARA" ,"UBIG_NACIMIENTOYANAOCA" ,
"UBIG_RESIDENCIAALTO SELVA ALEGRE" ,"UBIG_RESIDENCIAAPLAO" ,
"UBIG_RESIDENCIAAREQUIPA" ,"UBIG_RESIDENCIACAMANA" ,
"UBIG_RESIDENCIACAYMA" ,"UBIG_RESIDENCIACERRO COLORADO" ,
"UBIG_RESIDENCIAILO" ,"UBIG_RESIDENCIAJACOBO HUNTER" ,
"UBIG_RESIDENCIAJOSE LUIS BUSTAMANTE Y RIVERO" ,"UBIG_RESIDENCIAJULIACA" ,
"UBIG_RESIDENCIALA JOYA" ,"UBIG_RESIDENCIALURIGANCHO" ,
"UBIG_RESIDENCIAMAGDALENA VIEJA" ,"UBIG_RESIDENCIAMAJES" ,
"UBIG_RESIDENCIAMARIANO MELGAR" ,"UBIG_RESIDENCIAMIRAFLORES" ,
"UBIG_RESIDENCIAMOQUEGUA" ,"UBIG_RESIDENCIAPAUCARPATA" ,
"UBIG_RESIDENCIAPUNTA DE BOMBON" ,"UBIG_RESIDENCIASACHACA" ,
"UBIG_RESIDENCIASAMUEL PASTOR" ,"UBIG_RESIDENCIASANTA RITA DE SIGUAS" ,
"UBIG_RESIDENCIASANTIAGO DE SURCO" ,"UBIG_RESIDENCIASOCABAYA" ,
"UBIG_RESIDENCIATACNA" ,"UBIG_RESIDENCIATIABAYA" ,
"UBIG_RESIDENCIAUCHUMAYO" ,"UBIG_RESIDENCIAVITOR" ,
"UBIG_RESIDENCIAYANAHUARA" ,"TIPO_VIVIENDACASA" ,
"TIPO_VIVIENDADEPARTAMENTO" ,"TIPO_VIVIENDAVECINDAD" ,
"GradoInstruccionPapaDR MAGISTER ALTA ESPECIALIDAD" ,"GradoInstruccionPapaEST SUP NO UNIVERSITARIOS" ,
"GradoInstruccionPapaGRADUADO UNIVERSITARIO" ,"GradoInstruccionPapaNIVEL EDUCATIVO " ,
"GradoInstruccionPapaOTROS" ,"GradoInstruccionPapaPRIMARIA COMPLETA" ,
"GradoInstruccionPapaPRIMARIA INCOMPLETA" ,"GradoInstruccionPapaSECUNDARIA COMPLETA" ,
"GradoInstruccionPapaSECUNDARIA INCOMPLETA" ,"GradoInstruccionPapaSUPERIOR TECNICA COMPLETA" ,
"GradoInstruccionPapaSUPERIOR TECNICA INCOMPLETA" ,"GradoInstruccionPapaSUPERIOR UNIV COMPLETA" ,
"GradoInstruccionPapaSUPERIOR UNIV INCOMPLETA" ,"ProfesionPapaABOGADO" ,
"ProfesionPapaADMINISTRADOR DE EMPRESAS" ,"ProfesionPapaAGRONOMO Y AFINES" ,
"ProfesionPapaANTROPOLOGO ARQUEOLOGO HISTORIADOR SOCIOLOGO Y " ,"ProfesionPapaARQUITECTO URBANISTA E INGENIERO DE TRANSITO" ,
"ProfesionPapaBIOLOGO" ,"ProfesionPapaCONTADOR" ,
"ProfesionPapaECONOMISTA" ,"ProfesionPapaENFERMERA" ,
"ProfesionPapaFARMACEUTICO" ,"ProfesionPapaGEOLOGO GEOFISICO Y OCEANOGRAFO" ,
"ProfesionPapaINGENIERO otros" ,"ProfesionPapaINGENIERO DE MINAS METALURGICO Y AFINES" ,
"ProfesionPapaINGENIERO ELECTRICISTA ELECTRONICO Y DE TELECOMUN" ,"ProfesionPapaINGENIERO INDUSTRIAL" ,
"ProfesionPapaINGENIERO QUIMICO" ,"ProfesionPapaMEDICO" ,
"ProfesionPapaODONTOLOGO" ,"ProfesionPapaOTROS" ,
"ProfesionPapaPROFESION " ,"ProfesionPapaPROFESOR" ,
"ProfesionPapaPROFESOR DE EDUCACION SECUNDARIA Y BASICA" ,"ProfesionPapaPROFESOR Y O MAESTRO DE PRIMARIA" ,
"ProfesionPapaPSICOLOGO" ,"ProfesionPapaTRABAJADOR SOCIAL" ,
"ProfesionPapaVETERINARIO" ,"OcupacionPapaAGRICULTOR" ,
"OcupacionPapaAMA DE CASA" ,"OcupacionPapaCOMERCIANTE MAYORISTA" ,
"OcupacionPapaCOMERCIANTE MINORISTA" ,"OcupacionPapaCONDUCTOR DE VEHICULO" ,
"OcupacionPapaDISCAPACITADO" ,"OcupacionPapaEMPLEADO" ,
"OcupacionPapaEMPRESARIO" ,"OcupacionPapaFF POLICIALES" ,
"OcupacionPapaFFAA OFICIAL" ,"OcupacionPapaFFAA SUBALTERNO" ,
"OcupacionPapaJUBILADO CESANTE" ,"OcupacionPapaMICROEMPRESARIO" ,
"OcupacionPapaOBRERO" ,"OcupacionPapaOCUPACION " ,
"OcupacionPapaOTRO" ,"GradoInstruccionMamaDR MAGISTER ALTA ESPECIALIDAD" ,
"GradoInstruccionMamaEST SUP NO UNIVERSITARIOS" ,"GradoInstruccionMamaGRADUADO UNIVERSITARIO" ,
"GradoInstruccionMamaNINGUNO" ,"GradoInstruccionMamaNIVEL EDUCATIVO " ,
"GradoInstruccionMamaPRIMARIA COMPLETA" ,"GradoInstruccionMamaPRIMARIA INCOMPLETA" ,
"GradoInstruccionMamaSECUNDARIA COMPLETA" ,"GradoInstruccionMamaSECUNDARIA INCOMPLETA" ,
"GradoInstruccionMamaSUPERIOR TECNICA COMPLETA" ,"GradoInstruccionMamaSUPERIOR TECNICA INCOMPLETA" ,
"GradoInstruccionMamaSUPERIOR UNIV COMPLETA" ,"GradoInstruccionMamaSUPERIOR UNIV INCOMPLETA" ,
"ProfesionMamaABOGADO" ,"ProfesionMamaADMINISTRADOR DE EMPRESAS" ,
"ProfesionMamaAGRONOMO Y AFINES" ,"ProfesionMamaBIOLOGO" ,
"ProfesionMamaCONTADOR" ,"ProfesionMamaECONOMISTA" ,
"ProfesionMamaENFERMERA" ,"ProfesionMamaFARMACEUTICO" ,
"ProfesionMamaINGENIERO otros" ,"ProfesionMamaINGENIERO QUIMICO" ,
"ProfesionMamaMEDICO" ,"ProfesionMamaOBSTETRIZ" ,
"ProfesionMamaOTROS" ,"ProfesionMamaPROFESION " ,
"ProfesionMamaPROFESOR" ,"ProfesionMamaPROFESOR DE EDUCACION INICIAL O PREESCOLAR" ,
"ProfesionMamaPROFESOR DE EDUCACION SECUNDARIA Y BASICA" ,"ProfesionMamaPROFESOR DE UNIVERSIDADES ESEP Y OTROS CENTROS DE",
"ProfesionMamaPROFESOR Y O MAESTRO DE PRIMARIA" ,"ProfesionMamaPSICOLOGO" ,
"ProfesionMamaTRABAJADOR SOCIAL" ,"ProfesionMamaVETERINARIO" ,
"OcupacionMamaAGRICULTOR" ,"OcupacionMamaAMA DE CASA" ,
"OcupacionMamaCOMERCIANTE MAYORISTA" ,"OcupacionMamaCOMERCIANTE MINORISTA" ,
"OcupacionMamaCONDUCTOR DE VEHICULO" ,"OcupacionMamaEMPLEADO" ,
"OcupacionMamaEMPRESARIO" ,"OcupacionMamaFF POLICIALES" ,
"OcupacionMamaJUBILADO CESANTE" ,"OcupacionMamaMICROEMPRESARIO" ,
"OcupacionMamaOBRERO" ,"OcupacionMamaOCUPACION " ,
"OcupacionMamaOTRO" ,"categoriaBinarizada" )AQUI SE APLICAN LOS MODELOS Y SE MUESTRA SUS MATRICES DE CONFUSIÓN COMO REFERENCIA
#str(DataSetUPRIVADAFRMTO.RF)
data<- cbind(
DataSetUPRIVADAFRMTO.RF[,ListVar.Continuas]
,Datos_Dico_cat
,categoriaBinarizada =DataSetUPRIVADAFRMTO.RF[,"categoriaBinarizada"]
)
##RENOMBRAMOS LAS VARIABLES para que puedan ser mas explicativas Datos_Dico_cat.names
colnames(data) <- Datos_Dico_cat.names
####### VERIFICAMOS NUEVAMENTE LA DISTRIBUCIÓN DE LA DATA
summary(data[,"categoriaBinarizada"]) NO SI
1334 153 ##DENIFIMOS LOS NODOS DE ENTRENAMIENTO
x_trainRF <- data[ (1:TrainFilas),!(names(data) %in% c("categoriaBinarizada"))]#DataSetUPRIVADAFRMTO.RF[ (1:TrainFilas),]
y_trainRF <- data[ (1:TrainFilas),'categoriaBinarizada']
summary(y_trainRF) ### DATOS PARA ENTRENAMIENTO NO SI
981 123 ##### DATOS PARA EVALUACION
x_testRF <- data[ ((TrainFilas+1):TotalFilas),!(names(data) %in% c("categoriaBinarizada"))]
y_testRF <- data[ ((TrainFilas+1):TotalFilas),'categoriaBinarizada']
summary(y_testRF)##### DATOS PARA TESTING NO SI
353 30 PROCEDEMOS A ENTRENAR LOS DISTINTOS MODELOS
RAMDOM FOREST con validación cruzada
No muestra buenos resultados para sensibilidad debido al parecer a que la variable objetivo es imbalanceada
# configurar función de Evaluación del modelos control para Training para el caso REPEAT CROSS VALIDATION
ctrl <- trainControl(method = "cv", number = 10, repeats = 1, summaryFunction = twoClassSummary, classProbs = TRUE)
## configuramos un parametro de RamdomForest para Tunear el modelo.
tunegrid <- expand.grid(.mtry = c(sqrt(ncol(data))))# Opcional
RF_MDL <- caret::train(x = x_trainRF, y = y_trainRF ,verbose = FALSE
, method = "rf", metric = "Acurracy", tuneGrid = tunegrid
, trControl = ctrl)
mc_PredictOrigTuneGrid<- table(predict(RF_MDL,x_testRF),y_testRF)
mc_PredictOrigTuneGrid y_testRF
NO SI
NO 353 29
SI 0 1cm_RF <- confusionMatrix(predict(RF_MDL,x_testRF), y_testRF,positive="SI")
cm_RF$byClass Sensitivity Specificity Pos Pred Value
0.033333333 1.000000000 1.000000000
Neg Pred Value Precision Recall
0.924083770 1.000000000 0.033333333
F1 Prevalence Detection Rate
0.064516129 0.078328982 0.002610966
Detection Prevalence Balanced Accuracy
0.002610966 0.516666667 RAMDOM FOREST con PESOS para la variable objetivo
#########################################################
#########################################################
# Create model weights (they sum to one)
model_weights <- ifelse(y_trainRF == "NO",
(1/table(y_trainRF)[1]) * 0.1,
(1/table(y_trainRF)[2]) * 0.9
)
summary(model_weights) Min. 1st Qu. Median Mean 3rd Qu. Max.
0.0001019 0.0001019 0.0001019 0.0009058 0.0001019 0.0073171 # Use the same seed to ensure same cross-validation splits
ctrl$seeds <- RF_MDL$control$seeds
# Build weighted model
RF_Weight_MDL <- train(x = x_trainRF, y = y_trainRF,
method = "rf",
verbose = FALSE,
weights = model_weights,
metric = "Acurracy",
tuneGrid = tunegrid,
trControl = ctrl)
mc_PredictWeightTuneGrid<- table(predict(RF_Weight_MDL,x_testRF),y_testRF)
mc_PredictWeightTuneGrid y_testRF
NO SI
NO 353 29
SI 0 1cm_RF_Weight <- confusionMatrix(predict(RF_Weight_MDL,x_testRF), y_testRF,positive="SI")
cm_RF_Weight$byClass Sensitivity Specificity Pos Pred Value
0.033333333 1.000000000 1.000000000
Neg Pred Value Precision Recall
0.924083770 1.000000000 0.033333333
F1 Prevalence Detection Rate
0.064516129 0.078328982 0.002610966
Detection Prevalence Balanced Accuracy
0.002610966 0.516666667 RAMDOM FOREST con técnica de balanceo “UNDER”
76% para sensitividad
# Build down-sampled model
ctrl$sampling <- "down"
RF_Under_MDL <- train(x = x_trainRF, y = y_trainRF,
method = "rf",
verbose = FALSE,
tuneGrid = tunegrid,
metric = "Acurracy",
trControl = ctrl)
mc_PredictDownTuneGrid<- table(predict(RF_Under_MDL,x_testRF),y_testRF)
mc_PredictDownTuneGrid y_testRF
NO SI
NO 325 25
SI 28 5cm_RF_Under <- confusionMatrix(predict(RF_Under_MDL,x_testRF), y_testRF,positive="SI")
cm_RF_Under$byClass Sensitivity Specificity Pos Pred Value
0.16666667 0.92067989 0.15151515
Neg Pred Value Precision Recall
0.92857143 0.15151515 0.16666667
F1 Prevalence Detection Rate
0.15873016 0.07832898 0.01305483
Detection Prevalence Balanced Accuracy
0.08616188 0.54367328 RAMDOM FOREST con técnica de balanceo “OVER”
#
ctrl$sampling <- "up"
RF_Over_MDL <- train(x = x_trainRF, y = y_trainRF,
method = "rf",
verbose = FALSE,
metric = "Acurracy",
tuneGrid = tunegrid,
trControl = ctrl)
mc_PredictUpTuneGrid<- table(predict(RF_Over_MDL,x_testRF),y_testRF)
mc_PredictUpTuneGrid y_testRF
NO SI
NO 350 28
SI 3 2cm_RF_Over <- confusionMatrix(predict(RF_Over_MDL,x_testRF), y_testRF,positive="SI")
cm_RF_Over$byClass Sensitivity Specificity Pos Pred Value
0.066666667 0.991501416 0.400000000
Neg Pred Value Precision Recall
0.925925926 0.400000000 0.066666667
F1 Prevalence Detection Rate
0.114285714 0.078328982 0.005221932
Detection Prevalence Balanced Accuracy
0.013054830 0.529084042 RAMDOM FOREST con técnica de balanceo “SMOTE”
# Build smote model
ctrl$sampling <- "smote"
RF_Smote_MDL <- train(x = x_trainRF, y = y_trainRF,
method = "rf",
verbose = FALSE,
metric = "Acurracy",
tuneGrid = tunegrid,
trControl = ctrl)
mc_PredictSmoteTuneGrid<- table(predict(RF_Smote_MDL,x_testRF),y_testRF)
mc_PredictSmoteTuneGrid y_testRF
NO SI
NO 349 28
SI 4 2cm_RF_Smote <- confusionMatrix(predict(RF_Smote_MDL,x_testRF), y_testRF,positive="SI")
cm_RF_Smote$byClass Sensitivity Specificity Pos Pred Value
0.066666667 0.988668555 0.333333333
Neg Pred Value Precision Recall
0.925729443 0.333333333 0.066666667
F1 Prevalence Detection Rate
0.111111111 0.078328982 0.005221932
Detection Prevalence Balanced Accuracy
0.015665796 0.527667611 RAMDOM FOREST con escalamiento de variables numéricas
#################### #################### ####################
#################### NUEVOS
ctrl <- trainControl(method = "cv", number = 10, repeats = 1, verboseIter = FALSE)
# summary( DataSetUPRIVADAFRMTO.RF$categoriaBinarizada)
# summary(x_trainRF$categoriaBinarizada)
# summary(x_testRF$categoriaBinarizada)
set.seed(696)
RF_Scale_MDL <- caret::train(x = x_trainRF, y = y_trainRF,
method = "rf", preProcess = c("scale", "center"),
trControl = ctrl)
mc_original<- table(predict(RF_Scale_MDL,x_testRF), y_testRF)
mc_original y_testRF
NO SI
NO 349 28
SI 4 2cm_RF_Scale <- confusionMatrix(predict(RF_Scale_MDL,x_testRF), y_testRF,positive="SI")
cm_RF_ScaleConfusion Matrix and Statistics
Reference
Prediction NO SI
NO 349 28
SI 4 2
Accuracy : 0.9164
95% CI : (0.8841, 0.9422)
No Information Rate : 0.9217
P-Value [Acc > NIR] : 0.6901
Kappa : 0.0873
Mcnemar's Test P-Value : 4.785e-05
Sensitivity : 0.066667
Specificity : 0.988669
Pos Pred Value : 0.333333
Neg Pred Value : 0.925729
Prevalence : 0.078329
Detection Rate : 0.005222
Detection Prevalence : 0.015666
Balanced Accuracy : 0.527668
'Positive' Class : SI
RAMDOM FOREST con escalamiento de variables numéricas y balanceo “UNDER”
ctrl$sampling <- "down"
set.seed(696)
RF_Under_Scale_MDL <- caret::train(x = x_trainRF, y = y_trainRF,
method = "rf", preProcess = c("scale", "center"),
trControl = ctrl)
mc_originalUnder<- table(predict(RF_Under_Scale_MDL,x_testRF), y_testRF)
mc_originalUnder y_testRF
NO SI
NO 291 19
SI 62 11cm_RF_Under_Scale <- confusionMatrix(predict(RF_Under_Scale_MDL,x_testRF), y_testRF,positive="SI")
cm_RF_Under_ScaleConfusion Matrix and Statistics
Reference
Prediction NO SI
NO 291 19
SI 62 11
Accuracy : 0.7885
95% CI : (0.7442, 0.8283)
No Information Rate : 0.9217
P-Value [Acc > NIR] : 1
Kappa : 0.1154
Mcnemar's Test P-Value : 3.061e-06
Sensitivity : 0.36667
Specificity : 0.82436
Pos Pred Value : 0.15068
Neg Pred Value : 0.93871
Prevalence : 0.07833
Detection Rate : 0.02872
Detection Prevalence : 0.19060
Balanced Accuracy : 0.59551
'Positive' Class : SI
RAMDOM FOREST con escalamiento de variables numéricas y balanceo “OVER”
ctrl$sampling <- "up"
set.seed(696)
RF_Over_Scale_MDL <- caret::train(x = x_trainRF, y = y_trainRF,
method = "rf", preProcess = c("scale", "center"),
trControl = ctrl)
mc_originalOver<- table(predict(RF_Over_Scale_MDL,x_testRF), y_testRF)
mc_originalOver y_testRF
NO SI
NO 350 28
SI 3 2cm_RF_Over_Scale <- confusionMatrix(predict(RF_Over_Scale_MDL,x_testRF), y_testRF,positive="SI")
cm_RF_Over_ScaleConfusion Matrix and Statistics
Reference
Prediction NO SI
NO 350 28
SI 3 2
Accuracy : 0.9191
95% CI : (0.8871, 0.9443)
No Information Rate : 0.9217
P-Value [Acc > NIR] : 0.6216
Kappa : 0.094
Mcnemar's Test P-Value : 1.629e-05
Sensitivity : 0.066667
Specificity : 0.991501
Pos Pred Value : 0.400000
Neg Pred Value : 0.925926
Prevalence : 0.078329
Detection Rate : 0.005222
Detection Prevalence : 0.013055
Balanced Accuracy : 0.529084
'Positive' Class : SI
RAMDOM FOREST con escalamiento de variables numéricas y balanceo “SMOTE”
ctrl$sampling <- "smote"
set.seed(696)
RF_Smote_Scale_MDL <- caret::train(x = x_trainRF, y = y_trainRF,
method = "rf", preProcess = c("scale", "center"),
trControl = ctrl)
mc_originalSmote<- table(predict(RF_Smote_Scale_MDL,x_testRF), y_testRF)
mc_originalSmote y_testRF
NO SI
NO 353 29
SI 0 1cm_RF_Smote_Scale <- confusionMatrix(predict(RF_Smote_Scale_MDL,x_testRF), y_testRF,positive="SI")
cm_RF_Smote_ScaleConfusion Matrix and Statistics
Reference
Prediction NO SI
NO 353 29
SI 0 1
Accuracy : 0.9243
95% CI : (0.8931, 0.9487)
No Information Rate : 0.9217
P-Value [Acc > NIR] : 0.4727
Kappa : 0.0598
Mcnemar's Test P-Value : 1.999e-07
Sensitivity : 0.033333
Specificity : 1.000000
Pos Pred Value : 1.000000
Neg Pred Value : 0.924084
Prevalence : 0.078329
Detection Rate : 0.002611
Detection Prevalence : 0.002611
Balanced Accuracy : 0.516667
'Positive' Class : SI
### Arboles de Decisión J48 técnica de balanceo “UNDER”
set.seed(696)
ADj48_Lcaret_MDL <- train(x = x_trainRF,y = y_trainRF,
method = "J48"#,preProcess = c("scale", "center"),
#tuneGrid = hiperparametros,
#metric = "Accuracy",
#trControl = ctrl
)
mc_ADj48_Lcaret<- table(predict(ADj48_Lcaret_MDL,x_testRF), y_testRF)
mc_ADj48_Lcaret y_testRF
NO SI
NO 353 30
SI 0 0cm_ADj48_Lcaret <- confusionMatrix(predict(ADj48_Lcaret_MDL,x_testRF), y_testRF,positive="SI")
cm_ADj48_Lcaret$byClass Sensitivity Specificity Pos Pred Value
0.00000000 1.00000000 NaN
Neg Pred Value Precision Recall
0.92167102 NA 0.00000000
F1 Prevalence Detection Rate
NA 0.07832898 0.00000000
Detection Prevalence Balanced Accuracy
0.00000000 0.50000000 ### Arboles de Decisión J48 técnica de balanceo “UNDER” y escalamiento
###CON CARET
ctrl$sampling <- "down"
ADj48_Lcaret_scale_down_MDL <- caret::train(x_trainRF,y_trainRF,method ='J48',preProcess = c("scale", "center"),trControl = ctrl)
mc_ADj48_Lcaret_scale_down<- table(predict(ADj48_Lcaret_scale_down_MDL,x_testRF), y_testRF)
mc_ADj48_Lcaret_scale_down y_testRF
NO SI
NO 273 17
SI 80 13cm_ADj48_Lcaret_scale_down <- confusionMatrix(predict(ADj48_Lcaret_scale_down_MDL,x_testRF), y_testRF,positive="SI")
cm_ADj48_Lcaret_scale_down$byClass Sensitivity Specificity Pos Pred Value
0.43333333 0.77337110 0.13978495
Neg Pred Value Precision Recall
0.94137931 0.13978495 0.43333333
F1 Prevalence Detection Rate
0.21138211 0.07832898 0.03394256
Detection Prevalence Balanced Accuracy
0.24281984 0.60335222 NAIVE BAYES
NaiveBayes_MDL <- naiveBayes(x_trainRF,y_trainRF)
mc_originalBayesiano<- table(predict(NaiveBayes_MDL,x_testRF), y_testRF)
mc_originalBayesiano y_testRF
NO SI
NO 0 0
SI 353 30cm_NaiveBayes <- confusionMatrix(predict(NaiveBayes_MDL,x_testRF), y_testRF,positive="SI")
cm_NaiveBayesConfusion Matrix and Statistics
Reference
Prediction NO SI
NO 0 0
SI 353 30
Accuracy : 0.0783
95% CI : (0.0535, 0.1099)
No Information Rate : 0.9217
P-Value [Acc > NIR] : 1
Kappa : 0
Mcnemar's Test P-Value : <2e-16
Sensitivity : 1.00000
Specificity : 0.00000
Pos Pred Value : 0.07833
Neg Pred Value : NaN
Prevalence : 0.07833
Detection Rate : 0.07833
Detection Prevalence : 1.00000
Balanced Accuracy : 0.50000
'Positive' Class : SI
RESUMEN DE RESULTADOS
#################################################################################################################
################################### RESUMEN DE RESULTADOS #######################################################
# #################################################################################################################
models <- list( RF = RF_MDL,
RF_Weight = RF_Weight_MDL,
RF_Under = RF_Under_MDL,
RF_Over = RF_Over_MDL,
RF_Smote = RF_Smote_MDL,
RF_Scale = RF_Scale_MDL,
RF_Under_Scale = RF_Under_Scale_MDL,
RF_Over_Scale = RF_Over_Scale_MDL,
RF_Smote_Scale = RF_Smote_Scale_MDL,
ADj48_Lcaret = ADj48_Lcaret_MDL,
ADj48_Lcaret_scale_down = ADj48_Lcaret_scale_down_MDL,
NaiveBayes = NaiveBayes_MDL
)
# resampling <- resamples(models)
# bwplot(resampling)
library(dplyr)
comparison <- data.frame(model = names(models), Sensitivity = rep(NA, length(models)),
Specificity = rep(NA, length(models)), Precision = rep(NA, length(models)),
Recall = rep(NA, length(models)), F1 = rep(NA, length(models)))
for (name in names(models)) {
switch(name,
RF ={rowModel<- 1},
RF_Weight ={rowModel<- 2},
RF_Under ={rowModel<- 3},
RF_Over ={rowModel<- 4}, #smote
RF_Smote ={rowModel<- 5}, #Bayesiano
RF_Scale ={rowModel<- 6},
RF_Under_Scale ={rowModel<- 7},
RF_Under_Over ={rowModel<- 8},
RF_Under_Smote ={rowModel<- 9},
ADj48_Lcaret ={rowModel<- 10},
ADj48_Lcaret_scale_down ={rowModel<- 11},
NaiveBayes = {rowModel<- 12}
)
model <- get(paste0("cm_", name))
comparison[rowModel,'Precision' ] <-model$byClass["Precision"]
comparison[rowModel,'Sensitivity' ] <-model$byClass["Sensitivity"]
comparison[rowModel,'Specificity' ] <-model$byClass["Specificity"] ## IMPORTANTE
comparison[rowModel,'Recall' ] <-model$byClass["Recall"]
comparison[rowModel,'F1' ] <-model$byClass["F1"]
}
comparisoncolnames(comparison) <- c(" model","Sensitivity","Specificity"," Precision"," Recall"," F1");
write.csv(comparison[,1:6],file="UPRIVADA_IngAgronoma2020.csv", sep=",",row.names = FALSE)