Maestría 2020 - UPrivada - Ing. Electrónica
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+$", "",CarreraProfesional) =="INGENIERIA ELECTRONICA" ) %>% droplevels
####################################################
##ANALISIS DE CANTIDAD DE REGISTROS POR SEMESTRE
#Solo se trabaja con datos hasta el primer semestre del 2017
DataSetUPRIVADAFRMTO.tmp <- DataSetUPRIVADAFRMTO[substr(DataSetUPRIVADAFRMTO$CodAlumno, 11, 17)!="2017-2" ,c( "CodAlumno",Var.TodasUprivada)] %>% filter(gsub("^\\s+|\\s+$", "",CarreraProfesional) =="INGENIERIA ELECTRONICA" ) %>% droplevels
X <-table(as.factor(substr(DataSetUPRIVADAFRMTO.tmp$CodAlumno, 11, 17))) %>% as.data.frame()
colnames(X) <- c("Semestre","Cant")
X$ACUMULADO<- cumsum(X$Cant)
X$PorcetAcum = round(100 *X$ACUMULADO / sum(X$Cant))
#Tabla de Frecuencias absolutas y relativas acumuladas por Semestre
X ### SE TOMA LA DECISIÓN DE PARTICINAR para el entrenamiento al semestre 2015-2 que represetan el 73 % de la data total #Para que las variables se visualicen correctamente
for (variable in ListVar.Categ) { levels(DataSetUPRIVADAFRMTO.RF[,variable]) }
nrow(DataSetUPRIVADAFRMTO.RF)[1] 3640summary(DataSetUPRIVADAFRMTO.RF$CarreraProfesional)INGENIERIA ELECTRONICA
3640 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
87.88462 12.11538 summary(DataSetUPRIVADAFRMTO.RF$categoriaBinarizada) NO SI
3199 441 DataSetUPRIVADAFRMTO.RF %>% dplyr::select(categoriaBinarizada) %>%
gather(metric,value) %>%
ggplot(aes(value, fill = metric)) +
geom_bar(show.legend = FALSE) +
facet_wrap(~ metric, scales = "free")
##calculamos las filas para el entrenamiento
TotalFilas <- nrow(DataSetUPRIVADAFRMTO.RF)
#OBservamos el acumulado y la cantidad de alumnos por semestre
X#####Se tomara el 73% de las de la data para entremiento
TrainFilas <- 2648
##VEMOS EL DATASET QUE SE UTILIZARA PARA ENTRENAR
#DataSetUPRIVADAFRMTO.RF
###summary(DataSetUPRIVADAFRMTO.RF$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 _ Ilo II" ,
"MODALIDAD_INGRESOCentro Preuniversitario I" ,"MODALIDAD_INGRESOCentro Preuniversitario II" ,
"MODALIDAD_INGRESOCentro Preuniversitario III" ,"MODALIDAD_INGRESOCobertura de Metas I" ,
"MODALIDAD_INGRESOCobertura de Metas II" ,"MODALIDAD_INGRESOCobertura de Metas III" ,
"MODALIDAD_INGRESOConvenio Andres Bello" ,"MODALIDAD_INGRESODeportista Destacado" ,
"MODALIDAD_INGRESOGraduado o Profesional Universitario" ,"MODALIDAD_INGRESOPrimer Examen General" ,
"MODALIDAD_INGRESOPrimeros Puestos" ,"MODALIDAD_INGRESOSegundo Examen General" ,
"MODALIDAD_INGRESOTercer Examen General" ,"MODALIDAD_INGRESOTitulado en Instituto Superior" ,
"MODALIDAD_INGRESOTitulado en Instituto Superior II" ,"MODALIDAD_INGRESOTraslado Externo Nacional" ,
"MODALIDAD_INGRESOTraslado Externo Nacional II" ,"MODALIDAD_INGRESOTraslado Interno" ,
"UBIG_NACIMIENTOABANCAY" ,"UBIG_NACIMIENTOACORA" ,
"UBIG_NACIMIENTOALTO SELVA ALEGRE" ,"UBIG_NACIMIENTOANDAHUAYLAS" ,
"UBIG_NACIMIENTOAPLAO" ,"UBIG_NACIMIENTOAREQUIPA" ,
"UBIG_NACIMIENTOAYAVIRI" ,"UBIG_NACIMIENTOAZANGARO" ,
"UBIG_NACIMIENTOBAMBAMARCA" ,"UBIG_NACIMIENTOBELLAVISTA" ,
"UBIG_NACIMIENTOCAJAMARCA" ,"UBIG_NACIMIENTOCALANA" ,
"UBIG_NACIMIENTOCAMANA" ,"UBIG_NACIMIENTOCAYMA" ,
"UBIG_NACIMIENTOCERRO COLORADO" ,"UBIG_NACIMIENTOCHARACATO" ,
"UBIG_NACIMIENTOCHICLAYO" ,"UBIG_NACIMIENTOCIUDAD NUEVA" ,
"UBIG_NACIMIENTOCOLQUEMARCA" ,"UBIG_NACIMIENTOCOPORAQUE" ,
"UBIG_NACIMIENTOCUSCO" ,"UBIG_NACIMIENTOCUYOCUYO" ,
"UBIG_NACIMIENTODESAGUADERO" ,"UBIG_NACIMIENTOESPINAR" ,
"UBIG_NACIMIENTOHUANCANE" ,"UBIG_NACIMIENTOHUANCARQUI" ,
"UBIG_NACIMIENTOILABAYA" ,"UBIG_NACIMIENTOILO" ,
"UBIG_NACIMIENTOINAMBARI" ,"UBIG_NACIMIENTOISLAY" ,
"UBIG_NACIMIENTOJACOBO HUNTER" ,"UBIG_NACIMIENTOJESUS MARIA" ,
"UBIG_NACIMIENTOJOSE DOMINGO CHOQUEHUANCA" ,"UBIG_NACIMIENTOJOSE LUIS BUSTAMANTE Y RIVERO" ,
"UBIG_NACIMIENTOJULIACA" ,"UBIG_NACIMIENTOLA JOYA" ,
"UBIG_NACIMIENTOLA VICTORIA" ,"UBIG_NACIMIENTOLIMA" ,
"UBIG_NACIMIENTOLURIGANCHO" ,"UBIG_NACIMIENTOMACA" ,
"UBIG_NACIMIENTOMADRE DE DIOS" ,"UBIG_NACIMIENTOMADRIGAL" ,
"UBIG_NACIMIENTOMAJES" ,"UBIG_NACIMIENTOMARANGANI" ,
"UBIG_NACIMIENTOMARCONA" ,"UBIG_NACIMIENTOMARIANO MELGAR" ,
"UBIG_NACIMIENTOMIRAFLORES" ,"UBIG_NACIMIENTOMOHO" ,
"UBIG_NACIMIENTOMOLLENDO" ,"UBIG_NACIMIENTOMOQUEGUA" ,
"UBIG_NACIMIENTONICOLAS DE PIEROLA" ,"UBIG_NACIMIENTOOLLACHEA" ,
"UBIG_NACIMIENTOORCOPAMPA" ,"UBIG_NACIMIENTOOTRO PAIS" ,
"UBIG_NACIMIENTOPACOCHA" ,"UBIG_NACIMIENTOPALLPATA" ,
"UBIG_NACIMIENTOPAUCARPATA" ,"UBIG_NACIMIENTOPOLOBAYA" ,
"UBIG_NACIMIENTOPUEBLO LIBRE" ,"UBIG_NACIMIENTOPUNO" ,
"UBIG_NACIMIENTOPUNTA DE BOMBON" ,"UBIG_NACIMIENTORIMAC" ,
"UBIG_NACIMIENTORIO GRANDE" ,"UBIG_NACIMIENTOSACHACA" ,
"UBIG_NACIMIENTOSAMEGUA" ,"UBIG_NACIMIENTOSAN BORJA" ,
"UBIG_NACIMIENTOSAN JUAN DE LURIGANCHO" ,"UBIG_NACIMIENTOSAN LUIS" ,
"UBIG_NACIMIENTOSAN VICENTE DE CAÑETE" ,"UBIG_NACIMIENTOSANTIAGO" ,
"UBIG_NACIMIENTOSICUANI" ,"UBIG_NACIMIENTOSOCABAYA" ,
"UBIG_NACIMIENTOTACNA" ,"UBIG_NACIMIENTOTAMBOPATA" ,
"UBIG_NACIMIENTOTIABAYA" ,"UBIG_NACIMIENTOTORATA" ,
"UBIG_NACIMIENTOURACA" ,"UBIG_NACIMIENTOVILLA EL SALVADOR" ,
"UBIG_NACIMIENTOWANCHAQ" ,"UBIG_NACIMIENTOYANAHUARA" ,
"UBIG_NACIMIENTOYARINACOCHA" ,"UBIG_NACIMIENTOYUNGUYO" ,
"UBIG_RESIDENCIAALTO SELVA ALEGRE" ,"UBIG_RESIDENCIAAREQUIPA" ,
"UBIG_RESIDENCIACAMANA" ,"UBIG_RESIDENCIACAYMA" ,
"UBIG_RESIDENCIACERRO COLORADO" ,"UBIG_RESIDENCIACHARACATO" ,
"UBIG_RESIDENCIACUSCO" ,"UBIG_RESIDENCIAILO" ,
"UBIG_RESIDENCIAISLAY" ,"UBIG_RESIDENCIAJACOBO HUNTER" ,
"UBIG_RESIDENCIAJOSE LUIS BUSTAMANTE Y RIVERO" ,"UBIG_RESIDENCIAJOSE MARIA QUIMPER" ,
"UBIG_RESIDENCIAJULIACA" ,"UBIG_RESIDENCIALA JOYA" ,
"UBIG_RESIDENCIAMAJES" ,"UBIG_RESIDENCIAMARIANO MELGAR" ,
"UBIG_RESIDENCIAMIRAFLORES" ,"UBIG_RESIDENCIAMOLLENDO" ,
"UBIG_RESIDENCIAMOQUEGUA" ,"UBIG_RESIDENCIAPACOCHA" ,
"UBIG_RESIDENCIAPAUCARPATA" ,"UBIG_RESIDENCIAPUNO" ,
"UBIG_RESIDENCIAPUNTA DE BOMBON" ,"UBIG_RESIDENCIASABANDIA" ,
"UBIG_RESIDENCIASACHACA" ,"UBIG_RESIDENCIASAMEGUA" ,
"UBIG_RESIDENCIASAN SEBASTIAN" ,"UBIG_RESIDENCIASICUANI" ,
"UBIG_RESIDENCIASOCABAYA" ,"UBIG_RESIDENCIATACNA" ,
"UBIG_RESIDENCIATAMBOPATA" ,"UBIG_RESIDENCIATIABAYA" ,
"UBIG_RESIDENCIAUCHUMAYO" ,"UBIG_RESIDENCIAWANCHAQ" ,
"UBIG_RESIDENCIAYANAHUARA" ,"UBIG_RESIDENCIAYURA" ,
"TIPO_VIVIENDACASA" ,"TIPO_VIVIENDADEPARTAMENTO" ,
"TIPO_VIVIENDAVECINDAD" ,"GradoInstruccionPapaDR MAGISTER ALTA ESPECIALIDAD" ,
"GradoInstruccionPapaEST SUP NO UNIVERSITARIOS" ,"GradoInstruccionPapaGRADUADO UNIVERSITARIO" ,
"GradoInstruccionPapaNINGUNO" ,"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 CIVIL" ,
"ProfesionPapaINGENIERO DE MINAS METALURGICO Y AFINES" ,"ProfesionPapaINGENIERO DE SISTEMAS" ,
"ProfesionPapaINGENIERO ELECTRICISTA ELECTRONICO Y DE TELECOMUN" ,"ProfesionPapaINGENIERO INDUSTRIAL" ,
"ProfesionPapaINGENIERO MECANICO" ,"ProfesionPapaINGENIERO QUIMICO" ,
"ProfesionPapaMATEMATICO Y AFINES" ,"ProfesionPapaMEDICO" ,
"ProfesionPapaOBSTETRIZ" ,"ProfesionPapaODONTOLOGO" ,
"ProfesionPapaOTROS" ,"ProfesionPapaPROFESION " ,
"ProfesionPapaPROFESOR" ,"ProfesionPapaPROFESOR DE ACAD Y CENECAPES" ,
"ProfesionPapaPROFESOR DE EDUCACION SECUNDARIA Y BASICA" ,"ProfesionPapaPROFESOR DE UNIVERSIDADES ESEP Y OTROS CENTROS DE",
"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" ,
"GradoInstruccionMama" ,"GradoInstruccionMamaDR MAGISTER ALTA ESPECIALIDAD" ,
"GradoInstruccionMamaEST SUP NO UNIVERSITARIOS" ,"GradoInstruccionMamaGRADUADO UNIVERSITARIO" ,
"GradoInstruccionMamaNINGUNO" ,"GradoInstruccionMamaNIVEL EDUCATIVO " ,
"GradoInstruccionMamaOTROS" ,"GradoInstruccionMamaPRIMARIA COMPLETA" ,
"GradoInstruccionMamaPRIMARIA INCOMPLETA" ,"GradoInstruccionMamaSECUNDARIA COMPLETA" ,
"GradoInstruccionMamaSECUNDARIA INCOMPLETA" ,"GradoInstruccionMamaSUPERIOR TECNICA COMPLETA" ,
"GradoInstruccionMamaSUPERIOR TECNICA INCOMPLETA" ,"GradoInstruccionMamaSUPERIOR UNIV COMPLETA" ,
"GradoInstruccionMamaSUPERIOR UNIV INCOMPLETA" ,"ProfesionMama" ,
"ProfesionMamaABOGADO" ,"ProfesionMamaADMINISTRADOR DE EMPRESAS" ,
"ProfesionMamaANTROPOLOGO ARQUEOLOGO HISTORIADOR SOCIOLOGO Y " ,"ProfesionMamaARQUITECTO URBANISTA E INGENIERO DE TRANSITO" ,
"ProfesionMamaBIOLOGO" ,"ProfesionMamaCONTADOR" ,
"ProfesionMamaECONOMISTA" ,"ProfesionMamaENFERMERA" ,
"ProfesionMamaFARMACEUTICO" ,"ProfesionMamaGEOLOGO GEOFISICO Y OCEANOGRAFO" ,
"ProfesionMamaINGENIERO (otros)" ,"ProfesionMamaINGENIERO DE SISTEMAS" ,
"ProfesionMamaINGENIERO ELECTRICISTA ELECTRONICO Y DE TELECOMUN" ,"ProfesionMamaINGENIERO MECANICO" ,
"ProfesionMamaINGENIERO QUIMICO" ,"ProfesionMamaMEDICO" ,
"ProfesionMamaOBSTETRIZ" ,"ProfesionMamaODONTOLOGO" ,
"ProfesionMamaOTROS" ,"ProfesionMamaPROFESION " ,
"ProfesionMamaPROFESOR" ,"ProfesionMamaPROFESOR DE EDUCACION INICIAL O PRE_ESCOLAR" ,
"ProfesionMamaPROFESOR DE EDUCACION SECUNDARIA Y BASICA" ,"ProfesionMamaPROFESOR DE UNIVERSIDADES ESEP Y OTROS CENTROS DE",
"ProfesionMamaPROFESOR Y O MAESTRO DE PRIMARIA" ,"ProfesionMamaPSICOLOGO" ,
"ProfesionMamaTRABAJADOR SOCIAL" ,"OcupacionMama" ,
"OcupacionMamaAGRICULTOR" ,"OcupacionMamaAMA DE CASA" ,
"OcupacionMamaCOMERCIANTE MAYORISTA" ,"OcupacionMamaCOMERCIANTE MINORISTA" ,
"OcupacionMamaCONDUCTOR DE VEHICULO" ,"OcupacionMamaEMPLEADO" ,
"OcupacionMamaEMPRESARIO" ,"OcupacionMamaFF POLICIALES" ,
"OcupacionMamaFFAA OFICIAL" ,"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
3199 441 ##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
2301 347 ##### 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
898 94 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 895 88
SI 3 6cm_RF <- confusionMatrix(predict(RF_MDL,x_testRF), y_testRF,positive="SI")
cm_RF$byClass Sensitivity Specificity Pos Pred Value
0.074468085 0.996659243 0.700000000
Neg Pred Value Precision Recall
0.911405295 0.700000000 0.074468085
F1 Prevalence Detection Rate
0.134615385 0.094758065 0.007056452
Detection Prevalence Balanced Accuracy
0.010080645 0.535563664 RAMDOM FOREST con PESOS para la variable objetivo
#########################################################
#########################################################
# Create model weights (they sum to one)
model_weights <- ifelse(y_trainRF == "NO",
(1/table(y_trainRF)[1]) * 0.1,
(1/table(y_trainRF)[2]) * 0.9
)
summary(model_weights) Min. 1st Qu. Median Mean 3rd Qu. Max.
4.346e-05 4.346e-05 4.346e-05 3.776e-04 4.346e-05 2.594e-03 # Use the same seed to ensure same cross-validation splits
ctrl$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 895 88
SI 3 6cm_RF_Weight <- confusionMatrix(predict(RF_Weight_MDL,x_testRF), y_testRF,positive="SI")
cm_RF_Weight$byClass Sensitivity Specificity Pos Pred Value
0.074468085 0.996659243 0.700000000
Neg Pred Value Precision Recall
0.911405295 0.700000000 0.074468085
F1 Prevalence Detection Rate
0.134615385 0.094758065 0.007056452
Detection Prevalence Balanced Accuracy
0.010080645 0.535563664 RAMDOM FOREST con técnica de balanceo “UNDER”
76% para sensitividad
# Build down-sampled model
ctrl$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 779 39
SI 119 55cm_RF_Under <- confusionMatrix(predict(RF_Under_MDL,x_testRF), y_testRF,positive="SI")
cm_RF_Under$byClass Sensitivity Specificity Pos Pred Value
0.59574468 0.86748330 0.32000000
Neg Pred Value Precision Recall
0.95348837 0.32000000 0.59574468
F1 Prevalence Detection Rate
0.41635688 0.09475806 0.05645161
Detection Prevalence Balanced Accuracy
0.17641129 0.73161399 RAMDOM FOREST con técnica de balanceo “OVER”
#
ctrl$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 889 79
SI 9 15cm_RF_Over <- confusionMatrix(predict(RF_Over_MDL,x_testRF), y_testRF,positive="SI")
cm_RF_Over$byClass Sensitivity Specificity Pos Pred Value
0.15957447 0.98886414 0.60000000
Neg Pred Value Precision Recall
0.91830403 0.60000000 0.15957447
F1 Prevalence Detection Rate
0.25210084 0.09475806 0.01512097
Detection Prevalence Balanced Accuracy
0.02520161 0.57421931 RAMDOM FOREST con técnica de balanceo “SMOTE”
# Build smote model
ctrl$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 887 76
SI 11 18cm_RF_Smote <- confusionMatrix(predict(RF_Smote_MDL,x_testRF), y_testRF,positive="SI")
cm_RF_Smote$byClass Sensitivity Specificity Pos Pred Value
0.19148936 0.98775056 0.62068966
Neg Pred Value Precision Recall
0.92107996 0.62068966 0.19148936
F1 Prevalence Detection Rate
0.29268293 0.09475806 0.01814516
Detection Prevalence Balanced Accuracy
0.02923387 0.58961996 RAMDOM FOREST con escalamiento de variables numéricas
#################### #################### ####################
#################### NUEVOS
ctrl <- trainControl(method = "cv", number = 10, repeats = 1, verboseIter = FALSE)
# summary( DataSetUPRIVADAFRMTO.RF$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 898 94
SI 0 0cm_RF_Scale <- confusionMatrix(predict(RF_Scale_MDL,x_testRF), y_testRF,positive="SI")
cm_RF_ScaleConfusion Matrix and Statistics
Reference
Prediction NO SI
NO 898 94
SI 0 0
Accuracy : 0.9052
95% CI : (0.8853, 0.9227)
No Information Rate : 0.9052
P-Value [Acc > NIR] : 0.5274
Kappa : 0
Mcnemar's Test P-Value : <2e-16
Sensitivity : 0.00000
Specificity : 1.00000
Pos Pred Value : NaN
Neg Pred Value : 0.90524
Prevalence : 0.09476
Detection Rate : 0.00000
Detection Prevalence : 0.00000
Balanced Accuracy : 0.50000
'Positive' Class : SI
RAMDOM FOREST con escalamiento de variables numéricas y balanceo “UNDER”
ctrl$sampling <- "down"
set.seed(696)
RF_Under_Scale_MDL <- caret::train(x = x_trainRF, y = y_trainRF,
method = "rf", preProcess = c("scale", "center"),
trControl = ctrl)
mc_originalUnder<- table(predict(RF_Under_Scale_MDL,x_testRF), y_testRF)
mc_originalUnder y_testRF
NO SI
NO 772 34
SI 126 60cm_RF_Under_Scale <- confusionMatrix(predict(RF_Under_Scale_MDL,x_testRF), y_testRF,positive="SI")
cm_RF_Under_ScaleConfusion Matrix and Statistics
Reference
Prediction NO SI
NO 772 34
SI 126 60
Accuracy : 0.8387
95% CI : (0.8143, 0.8611)
No Information Rate : 0.9052
P-Value [Acc > NIR] : 1
Kappa : 0.3463
Mcnemar's Test P-Value : 6.284e-13
Sensitivity : 0.63830
Specificity : 0.85969
Pos Pred Value : 0.32258
Neg Pred Value : 0.95782
Prevalence : 0.09476
Detection Rate : 0.06048
Detection Prevalence : 0.18750
Balanced Accuracy : 0.74899
'Positive' Class : SI
RAMDOM FOREST con escalamiento de variables numéricas y balanceo “OVER”
ctrl$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 872 66
SI 26 28cm_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 871 67
SI 27 27
Accuracy : 0.9052
95% CI : (0.8853, 0.9227)
No Information Rate : 0.9052
P-Value [Acc > NIR] : 0.5274
Kappa : 0.3177
Mcnemar's Test P-Value : 5.757e-05
Sensitivity : 0.28723
Specificity : 0.96993
Pos Pred Value : 0.50000
Neg Pred Value : 0.92857
Prevalence : 0.09476
Detection Rate : 0.02722
Detection Prevalence : 0.05444
Balanced Accuracy : 0.62858
'Positive' Class : SI
RAMDOM FOREST con escalamiento de variables numéricas y balanceo “SMOTE”
ctrl$sampling <- "smote"
set.seed(696)
RF_Smote_Scale_MDL <- caret::train(x = x_trainRF, y = y_trainRF,
method = "rf", preProcess = c("scale", "center"),
trControl = ctrl)
mc_originalSmote<- table(predict(RF_Smote_Scale_MDL,x_testRF), y_testRF)
mc_originalSmote y_testRF
NO SI
NO 898 93
SI 0 1cm_RF_Smote_Scale <- confusionMatrix(predict(RF_Smote_Scale_MDL,x_testRF), y_testRF,positive="SI")
cm_RF_Smote_ScaleConfusion Matrix and Statistics
Reference
Prediction NO SI
NO 898 93
SI 0 1
Accuracy : 0.9062
95% CI : (0.8864, 0.9237)
No Information Rate : 0.9052
P-Value [Acc > NIR] : 0.4842
Kappa : 0.0191
Mcnemar's Test P-Value : <2e-16
Sensitivity : 0.010638
Specificity : 1.000000
Pos Pred Value : 1.000000
Neg Pred Value : 0.906155
Prevalence : 0.094758
Detection Rate : 0.001008
Detection Prevalence : 0.001008
Balanced Accuracy : 0.505319
'Positive' Class : SI
### Arboles de Decisión J48 técnica de balanceo “UNDER”
set.seed(696)
ADj48_Lcaret_MDL <- train(x = x_trainRF,y = y_trainRF,
method = "J48"#,preProcess = c("scale", "center"),
#tuneGrid = hiperparametros,
#metric = "Accuracy",
#trControl = ctrl
)
mc_ADj48_Lcaret<- table(predict(ADj48_Lcaret_MDL,x_testRF), y_testRF)
mc_ADj48_Lcaret y_testRF
NO SI
NO 897 91
SI 1 3cm_ADj48_Lcaret <- confusionMatrix(predict(ADj48_Lcaret_MDL,x_testRF), y_testRF,positive="SI")
cm_ADj48_Lcaret$byClass Sensitivity Specificity Pos Pred Value
0.031914894 0.998886414 0.750000000
Neg Pred Value Precision Recall
0.907894737 0.750000000 0.031914894
F1 Prevalence Detection Rate
0.061224490 0.094758065 0.003024194
Detection Prevalence Balanced Accuracy
0.004032258 0.515400654 ### Arboles de Decisión J48 técnica de balanceo “UNDER” y escalamiento
###CON CARET
ctrl$sampling <- "down"
ADj48_Lcaret_scale_down_MDL <- caret::train(x_trainRF,y_trainRF,method ='J48',preProcess = c("scale", "center"),trControl = ctrl)
mc_ADj48_Lcaret_scale_down<- table(predict(ADj48_Lcaret_scale_down_MDL,x_testRF), y_testRF)
mc_ADj48_Lcaret_scale_down y_testRF
NO SI
NO 774 50
SI 124 44cm_ADj48_Lcaret_scale_down <- confusionMatrix(predict(ADj48_Lcaret_scale_down_MDL,x_testRF), y_testRF,positive="SI")
cm_ADj48_Lcaret_scale_down$byClass Sensitivity Specificity Pos Pred Value
0.46808511 0.86191537 0.26190476
Neg Pred Value Precision Recall
0.93932039 0.26190476 0.46808511
F1 Prevalence Detection Rate
0.33587786 0.09475806 0.04435484
Detection Prevalence Balanced Accuracy
0.16935484 0.66500024 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 63 3
SI 835 91cm_NaiveBayes <- confusionMatrix(predict(NaiveBayes_MDL,x_testRF), y_testRF,positive="SI")
cm_NaiveBayesConfusion Matrix and Statistics
Reference
Prediction NO SI
NO 63 3
SI 835 91
Accuracy : 0.1552
95% CI : (0.1333, 0.1793)
No Information Rate : 0.9052
P-Value [Acc > NIR] : 1
Kappa : 0.0077
Mcnemar's Test P-Value : <2e-16
Sensitivity : 0.96809
Specificity : 0.07016
Pos Pred Value : 0.09827
Neg Pred Value : 0.95455
Prevalence : 0.09476
Detection Rate : 0.09173
Detection Prevalence : 0.93347
Balanced Accuracy : 0.51912
'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_IngElectronica2020.csv", sep=",",row.names = FALSE)