¿Cómo explicar los resultados de una clasificación r análisis predictivo modelo

Otra tarea de análisis predictivo es clasificar nuevos datos mediante la predicción de lo que la clase de un elemento de destino de los datos pertenece, dado un conjunto de variables independientes. Puede, por ejemplo, clasificar un cliente por tipo - por ejemplo, como un cliente de alto valor, cliente, o un cliente que está listo para cambiar a un competidor - mediante el uso de un árbol de decisión.

Para ver algo de información útil sobre el modelo R Clasificación, escriba el siguiente código:

> Resumen (modelo) Longitud Clase Mode1 BinaryTreeS4

los Clase columna que dice que usted ha creado un árbol de decisión. Para ver cómo se están determinando las divisiones, sólo tiene que escribir el nombre de la variable en la que asignó el modelo, en este caso modelo, Me gusta esto:

> ModelConditional árbol inferencia con 6 terminales nodesResponse: seedTypeInputs: área, perímetro, compacidad, longitud, anchura, asimetría, length2Number de observaciones: 1471) de área lt; = 16.2- criterio = 1, estadística =) Área 123.4232 lt; = 13.37- criterio = 1, estadística = 63.5493) longitud2 lt; = 4.914- criterio = 1, estadística = 22.2514) * pesos = 113) longitud2> 4,9145) * pesos = 452) Zona de> 13.376) longitud2 lt; = 5.396- criterio = 1, estadística = 16.317) * pesos = 336) longitud2> 5,3968) * pesos = 81) Zona de> 16,29) longitud2 lt; = 5.877- criterio = 0,979, estadística = 8.76410) * pesos = 109) longitud2> 5,87711) * pesos = 40

Aún mejor, se puede visualizar el modelo mediante la creación de una parcela del árbol de decisión con este código:> plot (modelo)

Esta es una representación gráfica de un árbol de decisión. Se puede ver que los imita en general de forma que de un árbol real. Está hecho de nodos (los círculos y rectángulos) y enlaces o bordes (las líneas de conexión).

El primer nodo (que comienza en la parte superior) se llama nodo raíz y los nodos en la parte inferior de los árboles (rectángulos) se llaman nodos terminales. Hay cinco nodos de decisión y seis nodos terminales.

En cada nodo, el modelo toma una decisión sobre la base de los criterios establecidos en el círculo y los enlaces, y elige un camino a seguir. Cuando el modelo alcanza un nodo terminal, un veredicto o se adopte una decisión final. En este caso particular, dos atributos, el y el, se utilizan para decidir si un tipo de semilla es dada en la clase 1, 2 o 3.

Por ejemplo, tomemos la observación # 2 del conjunto de datos. Cuenta con una de 4.956 y una de las 14.88. Usted puede utilizar el árbol que acaba de construir para decidir qué tipo particular de semilla de esta observación pertenece. Aquí está la secuencia de pasos:

1. Comience en el nodo raíz, que es el nodo 1 (el número se muestra en el pequeño cuadrado en la parte superior del círculo). Decidir basado en el atributo: ¿Es la de la observación # 2 inferior o igual a (denotado por lt; =) 16,2? La respuesta es sí, por lo que se mueve a lo largo de la ruta de acceso al nodo 2.

2. En el nodo 2, el modelo se pregunta: ¿Es la zona lt; = 13.37? La respuesta es no, a fin de tratar el siguiente enlace que pregunta: ¿Es la zona> 13.37? La respuesta es sí, por lo que se mueve a lo largo de la ruta de acceso al nodo 6. En este nodo del modelo de pregunta: ¿Es la longitud2 lt; = 5,396? Lo es, y que se mueve al nodo terminal 7 y el veredicto es que la observación # 2 es de las semillas de tipo 1. Y es, de hecho, las semillas de tipo 1.

   El modelo hace que el proceso para todas las demás observaciones para predecir sus clases.

3. Para saber si usted entrenó un buen modelo, cotejarla con los datos de entrenamiento. Puede ver los resultados en una tabla con el siguiente código:

   > Mesa (predecir (modelo), trainset $ seedType) 1 2 31 45 4 32 3 47 03 1 0 44

   Los resultados muestran que el error (o tasa de errores de clasificación) es 11 de 147, o 7,48 por ciento.

4. Con los resultados calculados, el siguiente paso es leer la tabla.

   Las predicciones correctas son las que muestran los números de columna y fila como el mismo. Esos resultados se muestran como una línea diagonal desde la parte superior izquierda a la parte inferior derecha; por ejemplo, [1,1], [2,2], [3,3] es el número de predicciones correctas de dicha categoría.

   Así que para las semillas de tipo 1, el modelo predijo correctamente que 45 veces, mientras que la semilla clasificación errónea 7 veces (4 veces como semillas de tipo 2, y 3 veces más de tipo 3). Para las semillas de tipo 2, el modelo predijo correctamente que 47 veces, mientras que clasificar erróneamente 3 veces. Para las semillas de tipo 3, el modelo predijo correctamente que 44 veces, mientras que clasificar erróneamente que sólo una vez.

Esto demuestra que este es un buen modelo. Así que ahora a evaluar con los datos de prueba. Aquí está el código que utiliza los datos de prueba para predecir y almacenarlo en una variable (testPrediction) Para su uso posterior:

> TestPrediction lt; - predecir (modelo, newdata = testset)

Para evaluar cómo el modelo realizado con los datos de prueba, verlo en una mesa y calcular el error, para el cual el código es el siguiente:

> Mesa (testPrediction, testset $ seedType) testPrediction 2 31 23 1 2 12 1 19 03 1 0 17

Los resultados muestran que el error es de 5 64, o 7,81 por ciento. Esto es consistente con los datos de entrenamiento.