Objetivo

Crear y evaluar un modelo de Ôrbol de regresión para predecir las ventas con datos simulados de una empresa dependiendo de las inversiones realizadas en publicidad.

Descripción

Fundamento teórico

Los algoritmos de aprendizaje basados en Ôrbol se consideran uno de los mejores y mÔs utilizados métodos de aprendizaje supervisado. Potencian modelos predictivos con alta precisión, estabilidad y facilidad de interpretación.

Los Ôrboles de clasificación y regresión son métodos que proporcionan modelos que satisfacen objetivos tanto predictivos como explicativos.

Algunas ventajas son su sencillez y la representación grÔfica mediante Ôrboles y, por otro, la definición de reglas de asociación entre variables que incluye expresiones de condición que permiten explicar las predicciones.

Se pueden usar para regresiones con variables dependientes que tienen valores numéricos continuos o para clasificaciones con variables categóricas.

Utilizar un Ôrbol de regresión para crear un modelo explicativo y predictivo para una variable cuantitativa dependiente basada en variables explicativas independientes cuantitativas y cualitativas [@xlstatbyaddinsoft].

Un Ôrbol de regresión consiste en hacer preguntas de tipo \(¿x_k < c?\) para cada una de las covariables, de esta forma el espacio de las covariables es divido en hiper-rectÔngulos (con el resultado de las condicionales) de las observaciones que queden dentro de un hiper-rectÔngulo tendrÔn el mismo valor estimado \(\hat{y}\) o \(Y\) .[@hernÔndez2021]

Por otra parte, bajo el paradigma divide y vencerÔs, usando Ôrboles de regresión y decisión y correspondientes reglas, el Ôrbol representa el modelo similar a un diagrama de flujo en el que los nodos de decisión, los nodos de hoja y las ramas definen una serie de decisiones que se pueden usar para generar predicciones. Siguiendo las reglas se encuentran predicciones en la hoja final. [@lantz2013].

Desarrollo

Cargar librerĆ­as

library(readr) # Para importar datos
library(dplyr) # Para filtrar   
library(knitr) # Para datos tabulares
library(ggplot2) # Para visualizar
library(plotly)
library(caret)  # Para particionar
library(Metrics) # Para determinar rmse
library(rpart) # Para Ɣrbol
library(rpart.plot) # Para Ɣrbol

Cargar datos

datos <- read.csv("https://raw.githubusercontent.com/rpizarrog/Analisis-Inteligente-de-datos/main/datos/Advertising_Web.csv")

Explorar datos

Son 200 registros tres variables independientes y una variable dependiente.

La variable dependiente o variable objetivo es Sales que deberÔ estar en función de la inversión que se hace en TV, Radio, Newspaper o Web.

str(datos)
## 'data.frame':    200 obs. of  7 variables:
##  $ X.1      : int  1 2 3 4 5 6 7 8 9 10 ...
##  $ X        : int  1 2 3 4 5 6 7 8 9 10 ...
##  $ TV       : num  230.1 44.5 17.2 151.5 180.8 ...
##  $ Radio    : num  37.8 39.3 45.9 41.3 10.8 48.9 32.8 19.6 2.1 2.6 ...
##  $ Newspaper: num  69.2 45.1 69.3 58.5 58.4 75 23.5 11.6 1 21.2 ...
##  $ Web      : num  306.6 302.7 49.5 257.8 195.7 ...
##  $ Sales    : num  22.1 10.4 9.3 18.5 12.9 7.2 11.8 13.2 4.8 10.6 ...
summary(datos)
##       X.1               X                TV             Radio       
##  Min.   :  1.00   Min.   :  1.00   Min.   :  0.70   Min.   : 0.000  
##  1st Qu.: 50.75   1st Qu.: 50.75   1st Qu.: 74.38   1st Qu.: 9.975  
##  Median :100.50   Median :100.50   Median :149.75   Median :22.900  
##  Mean   :100.50   Mean   :100.50   Mean   :147.04   Mean   :23.264  
##  3rd Qu.:150.25   3rd Qu.:150.25   3rd Qu.:218.82   3rd Qu.:36.525  
##  Max.   :200.00   Max.   :200.00   Max.   :296.40   Max.   :49.600  
##    Newspaper           Web              Sales      
##  Min.   :  0.30   Min.   :  4.308   Min.   : 1.60  
##  1st Qu.: 12.75   1st Qu.: 99.049   1st Qu.:10.38  
##  Median : 25.75   Median :156.862   Median :12.90  
##  Mean   : 30.55   Mean   :159.587   Mean   :14.02  
##  3rd Qu.: 45.10   3rd Qu.:212.312   3rd Qu.:17.40  
##  Max.   :114.00   Max.   :358.247   Max.   :27.00

Limpiar datos

Quitar las primeras columnas

datos <- select(datos, TV, Radio, Newspaper, Web, Sales)

head(datos)

kable(head(datos, 20), caption = "Primeros 20 registros")
Primeros 20 registros
TV Radio Newspaper Web Sales
230.1 37.8 69.2 306.63475 22.1
44.5 39.3 45.1 302.65307 10.4
17.2 45.9 69.3 49.49891 9.3
151.5 41.3 58.5 257.81689 18.5
180.8 10.8 58.4 195.66008 12.9
8.7 48.9 75.0 22.07240 7.2
57.5 32.8 23.5 246.81160 11.8
120.2 19.6 11.6 229.97146 13.2
8.6 2.1 1.0 144.61739 4.8
199.8 2.6 21.2 111.27226 10.6
66.1 5.8 24.2 45.35903 8.6
214.7 24.0 4.0 164.97176 17.4
23.8 35.1 65.9 87.92109 9.2
97.5 7.6 7.2 173.65804 9.7
204.1 32.9 46.0 245.77496 19.0
195.4 47.7 52.9 148.09513 22.4
67.8 36.6 114.0 202.63890 12.5
281.4 39.6 55.8 41.75531 24.4
69.2 20.5 18.3 210.48991 11.3
147.3 23.9 19.1 268.73538 14.6

tail(datos)

kable(tail(datos, 20), caption = "Últimos 20 registros")
Últimos 20 registros
TV Radio Newspaper Web Sales
181 156.6 2.6 8.3 122.11647 10.5
182 218.5 5.4 27.4 162.38749 12.2
183 56.2 5.7 29.7 42.19929 8.7
184 287.6 43.0 71.8 154.30972 26.2
185 253.8 21.3 30.0 181.57905 17.6
186 205.0 45.1 19.6 208.69269 22.6
187 139.5 2.1 26.6 236.74404 10.3
188 191.1 28.7 18.2 239.27571 17.3
189 286.0 13.9 3.7 151.99073 15.9
190 18.7 12.1 23.4 222.90695 6.7
191 39.5 41.1 5.8 219.89058 10.8
192 75.5 10.8 6.0 301.48119 9.9
193 17.2 4.1 31.6 265.02864 5.9
194 166.8 42.0 3.6 192.24621 19.6
195 149.7 35.6 6.0 99.57998 17.3
196 38.2 3.7 13.8 248.84107 7.6
197 94.2 4.9 8.1 118.04186 9.7
198 177.0 9.3 6.4 213.27467 12.8
199 283.6 42.0 66.2 237.49806 25.5
200 232.1 8.6 8.7 151.99073 13.4

Datos de entrenamiento y validación

Datos de entrenamiento

n <- nrow(datos)
# Modificar la semilla estableciendo como parÔmetro los útimos cuatro dígitos de su no de control. 
# Ej. set.seed(0732), o set.seed(1023)
# set.seed(2022) 
set.seed(1804)

De manera aleatoria se construyen los datos de entrenamiento y los datos de validación.

En la variable entrena se generan los registros que van a ser los datos de entrenamiento, de tal forma que los datos de validación serÔn los que no sena de entrenamiento [-entrena].

entrena <- createDataPartition(y = datos$Sales, p = 0.70, list = FALSE, times = 1)
# Datos entrenamiento
datos.entrenamiento <- datos[entrena, ]  # [renglones, columna]
# Datos validación
datos.validacion <- datos[-entrena, ]

tail()

kable(tail(datos.entrenamiento, 20), caption = "Datos de entrenamiento ültimos 20 registros")
Datos de entrenamiento ültimos 20 registros
TV Radio Newspaper Web Sales
170 284.3 10.6 6.4 157.90011 15.0
171 50.0 11.6 18.4 64.01480 8.4
172 164.5 20.9 47.4 96.18039 14.5
174 168.4 7.1 12.8 218.18083 11.7
177 248.4 30.2 20.3 163.85204 20.2
178 170.2 7.8 35.2 104.91734 11.7
179 276.7 2.3 23.7 137.32377 11.8
180 165.6 10.0 17.6 151.99073 12.6
182 218.5 5.4 27.4 162.38749 12.2
183 56.2 5.7 29.7 42.19929 8.7
185 253.8 21.3 30.0 181.57905 17.6
188 191.1 28.7 18.2 239.27571 17.3
189 286.0 13.9 3.7 151.99073 15.9
190 18.7 12.1 23.4 222.90695 6.7
191 39.5 41.1 5.8 219.89058 10.8
192 75.5 10.8 6.0 301.48119 9.9
194 166.8 42.0 3.6 192.24621 19.6
196 38.2 3.7 13.8 248.84107 7.6
199 283.6 42.0 66.2 237.49806 25.5
200 232.1 8.6 8.7 151.99073 13.4

Datos de validación

Los datos de validación deben ser diferentes a los datos den entrenamiento.

head()

kable(head(datos.validacion, 20), caption = "Datos de Validación Primeros 20 registros")
Datos de Validación Primeros 20 registros
TV Radio Newspaper Web Sales
1 230.1 37.8 69.2 306.63475 22.1
3 17.2 45.9 69.3 49.49891 9.3
4 151.5 41.3 58.5 257.81689 18.5
6 8.7 48.9 75.0 22.07240 7.2
15 204.1 32.9 46.0 245.77496 19.0
16 195.4 47.7 52.9 148.09513 22.4
17 67.8 36.6 114.0 202.63890 12.5
24 228.3 16.9 26.2 51.17007 15.5
37 266.9 43.8 5.0 96.31683 25.4
44 206.9 8.4 26.4 213.60961 12.9
49 227.2 15.8 49.9 75.26918 14.8
52 100.4 9.6 3.6 41.33526 10.7
56 198.9 49.4 60.0 204.41893 23.7
65 131.1 42.8 28.9 124.38223 18.0
66 69.0 9.3 0.9 205.99349 9.3
67 31.5 24.6 2.2 216.47140 9.5
69 237.4 27.5 11.0 291.54860 18.9
74 129.4 5.7 31.3 61.30619 11.0
76 16.9 43.7 89.4 70.23428 8.7
77 27.5 1.6 20.7 117.10193 6.9

tail()

kable(tail(datos.validacion, 20), caption = "Datos de validació últimos 20 registros")
Datos de validació últimos 20 registros
TV Radio Newspaper Web Sales
144 104.6 5.7 34.4 336.57109 10.4
146 140.3 1.9 9.0 231.88339 10.3
148 243.2 49.0 44.3 151.99073 25.4
157 93.9 43.5 50.5 74.36194 15.3
158 149.8 1.3 24.3 145.80321 10.1
161 172.5 18.1 30.7 207.49680 14.4
162 85.7 35.8 49.3 188.93353 13.3
165 117.2 14.7 5.4 109.00876 11.9
166 234.5 3.4 84.8 135.02491 11.9
173 19.6 20.1 17.0 155.58366 7.6
175 222.4 3.4 13.1 144.52566 11.5
176 276.9 48.9 41.8 151.99073 27.0
181 156.6 2.6 8.3 122.11647 10.5
184 287.6 43.0 71.8 154.30972 26.2
186 205.0 45.1 19.6 208.69269 22.6
187 139.5 2.1 26.6 236.74404 10.3
193 17.2 4.1 31.6 265.02864 5.9
195 149.7 35.6 6.0 99.57998 17.3
197 94.2 4.9 8.1 118.04186 9.7
198 177.0 9.3 6.4 213.27467 12.8

Construir el modelo

Se construye el modelo con la función rpart

modelo_ar <- rpart(data = datos.entrenamiento,formula = Sales ~ TV + Radio + Newspaper )
modelo_ar
## n= 142 
## 
## node), split, n, deviance, yval
##       * denotes terminal node
## 
##  1) root 142 3635.499000 14.016900  
##    2) TV< 122.05 57  360.939300  9.503509  
##      4) TV< 33.3 18   45.711110  6.822222 *
##      5) TV>=33.3 39  126.094400 10.741030  
##       10) Radio< 13.45 19   18.761050  9.468421 *
##       11) Radio>=13.45 20   47.330000 11.950000 *
##    3) TV>=122.05 85 1334.789000 17.043530  
##      6) Radio< 26.85 45  174.752000 14.020000  
##       12) Radio< 10.3 18    7.945000 12.116670 *
##       13) Radio>=10.3 27   58.126670 15.288890 *
##      7) Radio>=26.85 40  285.859000 20.445000  
##       14) TV< 210.75 15   47.297330 18.086670 *
##       15) TV>=210.75 25  105.080000 21.860000  
##         30) Radio< 34.9 11    8.647273 19.945450 *
##         31) Radio>=34.9 14   24.432140 23.364290 *

resumen del modelo

summary(modelo_ar)
## Call:
## rpart(formula = Sales ~ TV + Radio + Newspaper, data = datos.entrenamiento)
##   n= 142 
## 
##           CP nsplit  rel error    xerror       xstd
## 1 0.53356388      0 1.00000000 1.0190004 0.10024366
## 2 0.24045608      1 0.46643612 0.4963230 0.05073521
## 3 0.05202417      2 0.22598004 0.2538805 0.02887406
## 4 0.03671618      3 0.17395587 0.2255442 0.02577819
## 5 0.02989420      4 0.13723969 0.1854665 0.02046758
## 6 0.01980487      5 0.10734549 0.1609072 0.01756799
## 7 0.01650483      6 0.08754062 0.1355591 0.01648750
## 8 0.01000000      7 0.07103579 0.1136658 0.01524298
## 
## Variable importance
##        TV     Radio Newspaper 
##        57        33        10 
## 
## Node number 1: 142 observations,    complexity param=0.5335639
##   mean=14.0169, MSE=25.60211 
##   left son=2 (57 obs) right son=3 (85 obs)
##   Primary splits:
##       TV        < 122.05 to the left,  improve=0.5335639, (0 missing)
##       Radio     < 26.75  to the left,  improve=0.3101329, (0 missing)
##       Newspaper < 50.9   to the left,  improve=0.1446599, (0 missing)
##   Surrogate splits:
##       Radio < 2.2    to the left,  agree=0.662, adj=0.158, (0 split)
## 
## Node number 2: 57 observations,    complexity param=0.05202417
##   mean=9.503509, MSE=6.332268 
##   left son=4 (18 obs) right son=5 (39 obs)
##   Primary splits:
##       TV        < 33.3   to the left,  improve=0.5240045, (0 missing)
##       Radio     < 16.5   to the left,  improve=0.1142287, (0 missing)
##       Newspaper < 7.9    to the left,  improve=0.0753710, (0 missing)
##   Surrogate splits:
##       Newspaper < 5.75   to the left,  agree=0.737, adj=0.167, (0 split)
## 
## Node number 3: 85 observations,    complexity param=0.2404561
##   mean=17.04353, MSE=15.7034 
##   left son=6 (45 obs) right son=7 (40 obs)
##   Primary splits:
##       Radio     < 26.85  to the left,  improve=0.6549185, (0 missing)
##       Newspaper < 37.35  to the left,  improve=0.1603000, (0 missing)
##       TV        < 210.15 to the left,  improve=0.1513591, (0 missing)
##   Surrogate splits:
##       Newspaper < 37.35  to the left,  agree=0.706, adj=0.375, (0 split)
##       TV        < 210.15 to the left,  agree=0.588, adj=0.125, (0 split)
## 
## Node number 4: 18 observations
##   mean=6.822222, MSE=2.539506 
## 
## Node number 5: 39 observations,    complexity param=0.01650483
##   mean=10.74103, MSE=3.233189 
##   left son=10 (19 obs) right son=11 (20 obs)
##   Primary splits:
##       Radio     < 13.45  to the left,  improve=0.4758604, (0 missing)
##       TV        < 100.1  to the left,  improve=0.3070722, (0 missing)
##       Newspaper < 41.95  to the left,  improve=0.2231540, (0 missing)
##   Surrogate splits:
##       Newspaper < 30.85  to the left,  agree=0.667, adj=0.316, (0 split)
##       TV        < 47.35  to the right, agree=0.590, adj=0.158, (0 split)
## 
## Node number 6: 45 observations,    complexity param=0.0298942
##   mean=14.02, MSE=3.883378 
##   left son=12 (18 obs) right son=13 (27 obs)
##   Primary splits:
##       Radio     < 10.3   to the left,  improve=0.62191180, (0 missing)
##       Newspaper < 14.9   to the right, improve=0.06674602, (0 missing)
##       TV        < 201.15 to the left,  improve=0.04630562, (0 missing)
##   Surrogate splits:
##       TV < 216.95 to the right, agree=0.689, adj=0.222, (0 split)
## 
## Node number 7: 40 observations,    complexity param=0.03671618
##   mean=20.445, MSE=7.146475 
##   left son=14 (15 obs) right son=15 (25 obs)
##   Primary splits:
##       TV        < 210.75 to the left,  improve=0.4669493, (0 missing)
##       Radio     < 37.3   to the left,  improve=0.3178088, (0 missing)
##       Newspaper < 18.35  to the left,  improve=0.1026163, (0 missing)
##   Surrogate splits:
##       Newspaper < 14.25  to the left,  agree=0.7, adj=0.2, (0 split)
## 
## Node number 10: 19 observations
##   mean=9.468421, MSE=0.9874238 
## 
## Node number 11: 20 observations
##   mean=11.95, MSE=2.3665 
## 
## Node number 12: 18 observations
##   mean=12.11667, MSE=0.4413889 
## 
## Node number 13: 27 observations
##   mean=15.28889, MSE=2.15284 
## 
## Node number 14: 15 observations
##   mean=18.08667, MSE=3.153156 
## 
## Node number 15: 25 observations,    complexity param=0.01980487
##   mean=21.86, MSE=4.2032 
##   left son=30 (11 obs) right son=31 (14 obs)
##   Primary splits:
##       Radio     < 34.9   to the left,  improve=0.6851978, (0 missing)
##       TV        < 258.35 to the left,  improve=0.1541742, (0 missing)
##       Newspaper < 54.05  to the left,  improve=0.1084895, (0 missing)
##   Surrogate splits:
##       Newspaper < 23.05  to the left,  agree=0.68, adj=0.273, (0 split)
##       TV        < 217.6  to the right, agree=0.60, adj=0.091, (0 split)
## 
## Node number 30: 11 observations
##   mean=19.94545, MSE=0.7861157 
## 
## Node number 31: 14 observations
##   mean=23.36429, MSE=1.745153

Representar visualmente el Ôrbol de regresión

rpart.plot(modelo_ar)

Predecir valores con datos de validación

predicciones <- predict(object = modelo_ar, newdata = datos.validacion)

Construir un data frame para comparar y luego evaluar

comparaciones <- data.frame(datos.validacion, predicciones)
comparaciones
##        TV Radio Newspaper        Web Sales predicciones
## 1   230.1  37.8      69.2 306.634752  22.1    23.364286
## 3    17.2  45.9      69.3  49.498908   9.3     6.822222
## 4   151.5  41.3      58.5 257.816893  18.5    18.086667
## 6     8.7  48.9      75.0  22.072395   7.2     6.822222
## 15  204.1  32.9      46.0 245.774960  19.0    18.086667
## 16  195.4  47.7      52.9 148.095134  22.4    18.086667
## 17   67.8  36.6     114.0 202.638903  12.5    11.950000
## 24  228.3  16.9      26.2  51.170073  15.5    15.288889
## 37  266.9  43.8       5.0  96.316829  25.4    23.364286
## 44  206.9   8.4      26.4 213.609610  12.9    12.116667
## 49  227.2  15.8      49.9  75.269182  14.8    15.288889
## 52  100.4   9.6       3.6  41.335255  10.7     9.468421
## 56  198.9  49.4      60.0 204.418927  23.7    18.086667
## 65  131.1  42.8      28.9 124.382228  18.0    18.086667
## 66   69.0   9.3       0.9 205.993485   9.3     9.468421
## 67   31.5  24.6       2.2 216.471397   9.5     6.822222
## 69  237.4  27.5      11.0 291.548597  18.9    19.945455
## 74  129.4   5.7      31.3  61.306191  11.0    12.116667
## 76   16.9  43.7      89.4  70.234282   8.7     6.822222
## 77   27.5   1.6      20.7 117.101925   6.9     6.822222
## 78  120.5  28.5      14.2  97.455125  14.2    11.950000
## 79    5.4  29.9       9.4   4.308085   5.3     6.822222
## 84   68.4  44.5      35.6  78.393104  13.6    11.950000
## 87   76.3  27.5      16.0 193.830894  12.0    11.950000
## 90  109.8  47.8      51.4 162.727890  16.7    11.950000
## 91  134.3   4.9       9.3 258.355488  11.2    12.116667
## 93  217.7  33.5      59.0 150.962754  19.4    19.945455
## 95  107.4  14.0      10.9 151.990733  11.5    11.950000
## 96  163.3  31.6      52.9 155.594877  16.9    18.086667
## 98  184.9  21.0      22.0 253.300721  15.5    15.288889
## 103 280.2  10.1      21.4  49.808451  14.8    12.116667
## 105 238.2  34.3       5.3 112.155489  20.7    19.945455
## 111 225.8   8.2      56.5  95.185762  13.4    12.116667
## 115  78.2  46.8      34.5  76.770428  14.6    11.950000
## 131   0.7  39.6       8.7 162.902591   1.6     6.822222
## 135  36.9  38.6      65.6  81.246748  10.8    11.950000
## 136  48.3  47.0       8.5  61.227323  11.6    11.950000
## 139  43.0  25.9      20.5 181.368740   9.6    11.950000
## 144 104.6   5.7      34.4 336.571095  10.4     9.468421
## 146 140.3   1.9       9.0 231.883385  10.3    12.116667
## 148 243.2  49.0      44.3 151.990733  25.4    23.364286
## 157  93.9  43.5      50.5  74.361939  15.3    11.950000
## 158 149.8   1.3      24.3 145.803211  10.1    12.116667
## 161 172.5  18.1      30.7 207.496801  14.4    15.288889
## 162  85.7  35.8      49.3 188.933530  13.3    11.950000
## 165 117.2  14.7       5.4 109.008763  11.9    11.950000
## 166 234.5   3.4      84.8 135.024909  11.9    12.116667
## 173  19.6  20.1      17.0 155.583662   7.6     6.822222
## 175 222.4   3.4      13.1 144.525662  11.5    12.116667
## 176 276.9  48.9      41.8 151.990733  27.0    23.364286
## 181 156.6   2.6       8.3 122.116470  10.5    12.116667
## 184 287.6  43.0      71.8 154.309725  26.2    23.364286
## 186 205.0  45.1      19.6 208.692690  22.6    18.086667
## 187 139.5   2.1      26.6 236.744035  10.3    12.116667
## 193  17.2   4.1      31.6 265.028644   5.9     6.822222
## 195 149.7  35.6       6.0  99.579981  17.3    18.086667
## 197  94.2   4.9       8.1 118.041856   9.7     9.468421
## 198 177.0   9.3       6.4 213.274671  12.8    12.116667

rmse Root Mean StƔndard Error (Root-mean-square deviation),

Este valor normalmente se compara contra otro modelo y el que estƩ mas cerca de cero es mejor.

La raiz del Error CuadrÔtico Medio (rmse) es una métrica que dice qué tan lejos estÔn los valores predichos de los valores observados o reales en un anÔlisis de regresión, en promedio. Se calcula como:

\[ rmse = \sqrt{\frac{\sum(predicho_i - real_i)^{2}}{n}} \]

RMSE es una forma útil de ver qué tan bien un modelo de regresión puede ajustarse a un conjunto de datos.

Cuanto mayor sea el rmse, mayor serÔ la diferencia entre los valores predichos y reales, lo que significa que peor se ajusta un modelo de regresión a los datos. Por el contrario, cuanto mÔs pequeño sea el rmse, mejor podrÔ un modelo ajustar los datos.

Se compara este valor de rmse con respecto al modelo de regresión múltiple

Con este modelo de Ôrbol de regresión, los mismos datos, mismas particiones se tuvo un valor de 1.455681 por lo que se puede interpretar que este modelo de regresión fué mejor con respecto a la métrica rmse con respecto al modelo de regresión múltiple que tuvo un valor de 1.543975.

rmse <- rmse(actual = comparaciones$Sales, predicted = comparaciones$predicciones)
rmse
## [1] 2.042057

Graficar predicciones contra valores reales

ggplot(data = comparaciones) +
  geom_line(aes(x = 1:nrow(comparaciones), y = Sales), col='blue') +
  geom_line(aes(x = 1:nrow(comparaciones), y = predicciones), col='yellow') +
  ggtitle(label="Valores reales vs predichos Adverstising", subtitle = "Arbol de Regresión") 

Predicciones con datos nuevos

TV <- c(140, 160)
Radio <- c(60, 40)
Newspaper <- c(80, 90) 
nuevos <- data.frame(TV, Radio, Newspaper)  
nuevos
##    TV Radio Newspaper
## 1 140    60        80
## 2 160    40        90
Y.predicciones <- predict(object = modelo_ar, newdata = nuevos)
Y.predicciones
##        1        2 
## 18.08667 18.08667

Interpretación

Con el modelo de arbol de regresion, podemos visualizar de manera logica y visual los nodos de decision a base de las metricas que le indiquemos, en este caso nos describe las variables independientes (TV, Radio, Newspaper) que mas ganancia produjo para la variable dependiente Sales, en la grafica solamente se ven las variables TV y Radio ya que en el contexto de la actualidad, lavariable Newspaper ya no representa un factor para una mayor ganancia en Sales.