library(pacman)
p_load("xfun", "dplyr","DT")Cargar Datos
Aquí utilizamos un csv con los datos de los pasageros del titanic para tratar de predecir quienes fueron las personas que se salvaron en base a su edad y su sexo.
df <- read.csv(file = "train.csv")
datatable(df)Seleccionar Variables
Modificamos nuestro dataframe para tener solo las variables que utilizaremos para predecir
df %>%
select(Survived, Sex, Age) -> dfsel
head(dfsel)## Survived Sex Age
## 1 0 male 22
## 2 1 female 38
## 3 1 female 26
## 4 1 female 35
## 5 0 male 35
## 6 0 male NAEntrenar Modelo
model <- glm(formula = Survived ~ Sex + Age, data=dfsel, family = 'binomial')
summary(model)##
## Call:
## glm(formula = Survived ~ Sex + Age, family = "binomial", data = dfsel)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.7405 -0.6885 -0.6558 0.7533 1.8989
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) 1.277273 0.230169 5.549 2.87e-08 ***
## Sexmale -2.465920 0.185384 -13.302 < 2e-16 ***
## Age -0.005426 0.006310 -0.860 0.39
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 964.52 on 713 degrees of freedom
## Residual deviance: 749.96 on 711 degrees of freedom
## (177 observations deleted due to missingness)
## AIC: 755.96
##
## Number of Fisher Scoring iterations: 4Realizar Predicciones
y_pred <- predict(object = model, newdata = dfsel, type = 'response')
y_pred <- ifelse(test = y_pred > 0.5, yes = 1, no = 0)
y_pred## 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
## 0 1 1 1 0 NA 0 0 1 1 1 1 0 0 1 1 0 NA 1 NA
## 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
## 0 0 1 0 1 1 NA 0 NA NA 0 NA NA 0 0 0 NA 0 1 1
## 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
## 1 1 NA 1 1 NA NA NA NA 1 0 0 1 1 0 NA 1 0 1 0
## 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80
## 0 1 0 0 NA NA 1 0 1 0 0 1 0 0 0 0 NA NA 0 1
## 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
## 0 0 NA 0 1 1 0 NA 1 0 0 0 0 0 0 NA 0 0 1 0
## 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120
## 1 NA 0 0 0 0 1 NA 0 NA 0 1 0 1 1 0 0 0 0 1
## 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140
## 0 NA 0 1 0 0 NA 0 NA 0 0 0 1 1 0 0 1 0 0 0
## 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160
## NA 1 1 0 0 0 0 1 0 0 0 1 0 0 NA 0 1 0 NA NA
## 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180
## 0 1 0 0 0 0 NA 1 NA 0 0 0 1 0 0 0 NA 1 0 0
## 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200
## NA NA 0 0 1 NA NA 0 0 0 1 0 1 0 1 1 NA 0 NA 1
## 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220
## 0 NA 0 0 0 1 0 0 1 0 0 1 0 0 NA 1 1 0 1 0
## 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240
## 0 0 0 NA 0 0 0 0 0 NA 1 0 0 1 0 NA 0 1 0 0
## 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260
## NA NA 0 0 0 0 1 1 0 0 NA 1 0 0 1 1 NA 1 1 1
## 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280
## NA 0 0 0 NA 0 0 0 1 1 NA 0 1 0 NA 1 1 NA 0 1
## 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300
## 0 0 0 0 NA 0 0 0 0 1 1 1 0 1 0 NA 0 1 NA 1
## 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320
## NA NA 0 NA NA 0 NA 1 0 1 1 1 1 0 0 1 1 0 1 1
## 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340
## 0 0 1 1 NA 1 0 1 1 1 NA 0 0 0 NA NA 0 1 0 0
## 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360
## 0 1 0 0 0 1 1 NA 0 0 0 NA 0 0 NA 0 1 1 NA NA
## 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380
## 0 0 1 0 NA 0 1 NA NA 1 0 0 0 0 1 NA 1 0 0 0
## 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400
## 1 1 0 1 NA 0 0 1 NA 1 0 0 0 1 1 0 1 0 0 1
## 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420
## 0 0 1 0 1 0 0 0 0 NA NA NA 1 NA 0 NA 1 1 0 1
## 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440
## NA 0 0 1 0 NA 1 1 NA 0 0 NA 1 0 0 1 1 1 0 0
## 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460
## 1 0 0 1 NA 0 1 0 1 0 0 NA 0 0 NA 0 0 NA 1 NA
## 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480
## 0 0 0 0 NA 0 NA 0 NA 1 NA 0 1 1 1 NA 0 0 0 1
## 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500
## 0 NA 0 1 0 NA 1 0 0 0 NA 0 0 0 0 NA 1 NA 1 0
## 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520
## 0 1 NA 1 1 0 1 NA 0 0 0 NA 0 1 0 0 1 NA 1 0
## 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540
## 1 0 NA 1 NA 0 1 NA 0 0 1 NA 0 NA 1 1 0 1 NA 1
## 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560
## 1 1 1 0 0 0 1 NA 0 0 0 0 NA 0 1 0 1 NA 1 1
## 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580
## NA 0 0 NA NA 0 0 1 NA 0 0 1 0 NA 0 0 1 1 NA 0
## 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600
## 1 1 0 0 NA 1 0 0 0 NA 0 1 0 NA 0 0 NA 0 NA 0
## 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620
## 1 NA NA 0 0 0 0 0 1 1 1 NA NA NA 0 1 0 1 1 0
## 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640
## 0 0 0 0 0 0 0 1 0 NA 0 0 0 NA 1 1 0 0 1 NA
## 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660
## 0 1 1 NA 1 0 0 0 NA 1 NA 1 0 NA 1 0 NA 1 0 0
## 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680
## 0 0 0 0 0 0 0 NA 0 NA 1 0 0 0 NA 0 0 1 1 0
## 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700
## NA 0 0 0 0 0 0 0 0 1 0 1 NA 0 0 0 0 NA 0 0
## 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720
## 1 0 1 0 0 0 1 0 1 NA 1 NA 0 0 0 0 1 1 NA 0
## 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740
## 1 0 0 0 0 0 1 NA 0 1 1 0 NA 0 0 0 1 0 NA NA
## 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760
## NA 0 1 0 0 0 0 1 0 0 1 0 0 0 1 0 0 0 0 1
## 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780
## NA 0 0 1 0 1 NA 1 NA 0 0 0 1 NA 1 0 NA 1 NA 1
## 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800
## 1 1 0 NA 0 0 1 0 0 0 NA 0 NA NA 0 0 1 1 0 1
## 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820
## 0 1 0 0 0 0 0 1 0 1 0 0 0 1 0 NA 1 0 0 0
## 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840
## 1 0 0 1 0 NA NA 0 NA 1 1 0 NA 0 0 1 0 NA 0 NA
## 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860
## 0 0 1 0 0 0 NA 0 0 NA 0 0 1 1 1 1 1 0 1 NA
## 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880
## 0 0 1 NA 0 1 1 0 NA 0 0 1 0 0 1 1 0 0 NA 1
## 881 882 883 884 885 886 887 888 889 890 891
## 1 0 1 0 0 1 0 1 NA 0 0El modelo realiza las predicciones y pone como 1 cuando determina que es mayor al 50% de probabilidad y 0 en caso contrario.
Comparar la Realidad con las Predicciones
dfsel %>%
mutate(predicciones = y_pred) %>%
select(predicciones, everything()) %>%
mutate(comp = predicciones == Survived) -> dfresmean(dfres$comp, na.rm = TRUE)## [1] 0.780112Al comparar las predicciones con los datos reales nos podemos percatar de que nuestro modelo tiene un 78% de presición.
Descargar código
xfun::embed_file("RegresionLogistica.Rmd")Download RegresionLogistica.Rmd
xfun::embed_file("train.csv")