Titanic
David Dominguez - A01570975
2022-09-19
#### Este analisis tiene como propósito entrar a profundidad dentro de
las capacidades de R en los aspectos de análisis de
datos. En este caso se evalua a profundidad la capacidad de
diseñar un arbol de toma de decisiones que muestre las
probabilidades a un efecto segun criterios determinados, esto
en el caso de la posibilidad de sobrevivir o morir siendo un
pasajero en el titanic..
Instalar programas requeridos
#install.packages("rpart")
#install.packages("rpart.plot")
library(rpart)
library(rpart.plot)Importar base de datos
df<-read.csv("/Users/daviddrums180/Downloads/titanic.csv")Preparación de Base de Datos
Entender la base de datos
Resumen a profundidad de la base de datos, gracias a esto se puede saber si existen NA, datos incorrectos, incompletos o algún tipo de falla. Ademas de esto, este resumen nos permite conocer el tipo de cada columna de datos (str,int,chr,etc.)
summary(df)## pclass survived name sex
## Min. :1.000 Min. :0.000 Length:1310 Length:1310
## 1st Qu.:2.000 1st Qu.:0.000 Class :character Class :character
## Median :3.000 Median :0.000 Mode :character Mode :character
## Mean :2.295 Mean :0.382
## 3rd Qu.:3.000 3rd Qu.:1.000
## Max. :3.000 Max. :1.000
## NA's :1 NA's :1
## age sibsp parch ticket
## Min. : 0.1667 Min. :0.0000 Min. :0.000 Length:1310
## 1st Qu.:21.0000 1st Qu.:0.0000 1st Qu.:0.000 Class :character
## Median :28.0000 Median :0.0000 Median :0.000 Mode :character
## Mean :29.8811 Mean :0.4989 Mean :0.385
## 3rd Qu.:39.0000 3rd Qu.:1.0000 3rd Qu.:0.000
## Max. :80.0000 Max. :8.0000 Max. :9.000
## NA's :264 NA's :1 NA's :1
## fare cabin embarked boat
## Min. : 0.000 Length:1310 Length:1310 Length:1310
## 1st Qu.: 7.896 Class :character Class :character Class :character
## Median : 14.454 Mode :character Mode :character Mode :character
## Mean : 33.295
## 3rd Qu.: 31.275
## Max. :512.329
## NA's :2
## body home.dest
## Min. : 1.0 Length:1310
## 1st Qu.: 72.0 Class :character
## Median :155.0 Mode :character
## Mean :160.8
## 3rd Qu.:256.0
## Max. :328.0
## NA's :1189Filtrar base de Titanic
Titanic <- df[,c("pclass","age","sex","survived")]Convertir tipos de variable
Titanic$survived <- as.factor(ifelse(Titanic$survived==0,"Murio","Sobrevivió"))
Titanic$pclass <- as.factor(Titanic$pclass)
Titanic$sex <- as.factor(Titanic$sex)
str(Titanic)## 'data.frame': 1310 obs. of 4 variables:
## $ pclass : Factor w/ 3 levels "1","2","3": 1 1 1 1 1 1 1 1 1 1 ...
## $ age : num 29 0.917 2 30 25 ...
## $ sex : Factor w/ 3 levels "","female","male": 2 3 2 3 2 3 2 3 2 3 ...
## $ survived: Factor w/ 2 levels "Murio","Sobrevivió": 2 2 1 1 1 2 2 1 2 1 ...Eliminar NA
sum(is.na(Titanic))## [1] 266Titanic <- na.omit(Titanic)Arbol de decision
Crear arbol de decision
arbol <- rpart(formula =survived ~., data=Titanic)
arbol## n= 1046
##
## node), split, n, loss, yval, (yprob)
## * denotes terminal node
##
## 1) root 1046 427 Murio (0.59177820 0.40822180)
## 2) sex=male 658 135 Murio (0.79483283 0.20516717)
## 4) age>=9.5 615 110 Murio (0.82113821 0.17886179) *
## 5) age< 9.5 43 18 Sobrevivió (0.41860465 0.58139535)
## 10) pclass=3 29 11 Murio (0.62068966 0.37931034) *
## 11) pclass=1,2 14 0 Sobrevivió (0.00000000 1.00000000) *
## 3) sex=female 388 96 Sobrevivió (0.24742268 0.75257732)
## 6) pclass=3 152 72 Murio (0.52631579 0.47368421)
## 12) age>=1.5 145 66 Murio (0.54482759 0.45517241) *
## 13) age< 1.5 7 1 Sobrevivió (0.14285714 0.85714286) *
## 7) pclass=1,2 236 16 Sobrevivió (0.06779661 0.93220339) *rpart.plot(arbol)
#Conclusion
Gracias a las diferentes técnicas presentadas en este programa, se puede concluir los pasos necesarios para llevar a cabo el procedimiento de identificacion de posibilidades para diseñar un arbol de decision. En este caso, se permite tener la posibilidad de tener la posibilidad de sobrevivir en el Titanic segun tus razgos, clase, genero, etc. Sin embargo tambien puede ser utilizado para la toma de decisiones dentro de empresas, al contrarestar posibilidades de compra de ciertos productos.