search for: predicciones

Buenas, Estoy haciendo modelos y comparando cual es mejor. Para ello, uso CV de 10 folds. Por ejemplo, hago la comparativa entre un svm y un randomForest para una serie de datos, por ello hago: midataset<-import..... #datos es un dataframe de 1500 filas y 15 variables for(i in 1:10){ numeros<-sample(1:1500,1500*0.7) train<-datos[numeros,] test<-datos[-numeros,] #modeloRF

Muy buenas, ¿sabe alguien cómo obtener las predicciones sobre el out of bag que hace randomForest? Manuel . -- Dr Manuel Mendoza Department of Biogeography and Global Change National Museum of Natural History (MNCN) Spanish Scientific Council (CSIC) C/ Serrano 115bis, 28006 MADRID Spain

Hola a todos, Al ejecutar el código que veis más abajo:  library(OptimalCutpoints)prediccion<-c(0.49165923,0.52759793,0.30213400,0.33468349,0.14979703,0.47401846,0.52216404,0.42018794,0.92168073,0.76893929,0.83362668,0.38251162,0.70803701,0.49165923,0.94462558) real<-c(0,1,0,0,0,0,1,1,1,1,1,0,1,0,1)datos_OPTIMO<-cbind(prediccion,real) cutpoint1 <- optimal.cutpoints(X =

...t, pero lo miraré. Quoting Carlos Ortega <cof en qualityexcellence.es>: > Hola, > > Creo que si utilizas "caret" y en la función "trainControl()" defines "oob" > como criterio de randomización, puedes luego recuperar del objeto del > modelo, las predicciones individuales... > > Saludos, > Carlos Ortega > www.qualityexcellence.es > > > > 2018-05-31 12:56 GMT+02:00 Manuel Mendoza <mmendoza en mncn.csic.es>: > >> >> Muy buenas, ¿sabe alguien cómo obtener las predicciones sobre el out of >> bag que hace ra...

...(0), coeficientes = character(), signific =character(), MASE = numeric(0) ) #Creamos df con datos de las predicciones predicciones <- data.frame(Tipologia = numeric(0), Provincia = numeric(0), AnoModelo = numeric(0), ecuacion =character(0),...

Buenas Alguien sabe como se hacen las predicciones de las series temporslea usando keras? Baaado en esto: https://tensorflow.rstudio.com/blog/time-series-forecasting-with-recurrent-neural-networks.html He intentado hacer un predict_generator(test_data) pero siempre me devuelve el error de que el array no coincid con las dimensiones Gracias!! Ob...

...ent-neural-networks.html Gracias, Carlos Ortega www.qualityexcellence.es<http://www.qualityexcellence.es> El 2 de junio de 2018, 7:29, Jes?s Para Fern?ndez <j.para.fernandez en hotmail.com<mailto:j.para.fernandez en hotmail.com>> escribi?: Buenas Alguien sabe como se hacen las predicciones de las series temporslea usando keras? Baaado en esto: https://tensorflow.rstudio.com/blog/time-series-forecasting-with-recurrent-neural-networks.html He intentado hacer un predict_generator(test_data) pero siempre me devuelve el error de que el array no coincid con las dimensiones Gracias!! Ob...

Hello, I would like to ask you a question.I have a program in R and I use the readline method to ask the user some things,but i don?t use the R console but I use Win console then not appear what I put.I put the code as you look for: cat("1- 24horas\n") cat("2- 12horas\n") cat("3- 8horas\n") selection<-readline(prompt="\nSelecciona numero de horas:")

Buenas, Puse los modelos lo mas simplificados, para centrar el tiro en el tema que me preocupa. Es una pena no poder hablar cara a cara, porque por email puedo sonar algo borde, pero no es así, al contrario estoy enormemente agradecido por tu ayuda, pero le veo un problema. Me dices que use un list para ir guardando el modelo, pero tal y como he propuesto en el bucle for, el modelo se crea 10

Es que es justo ahi donde no se como hacerlo. Es decir, dentro del bucle for hago las comprobaciones train test, y me da que de media el mejor es randomForest, pero claro, no me estoy quedando con el modelo, ya que no se va guardando....Entonces es cuando no se como seguir para quedarme con ese modelo.... ________________________________ De: Isidro Hidalgo Arellano <ihidalgo en

Hola, Eso es justamente lo que hace "caret" de una manera muy sencilla y sin que tú te tengas que preocupar de quedarte con el mejor bucket (del CV) o con la mejor combinación en tu "grid search". Te recomiendo que uses "caret" para esto.... Puedes incluso evaluar los dos algoritmos "RF" y "svm" a la vez y conocer realmente el nivel de precisión

Una vez que tienes la técnica y los parámetros óptimos resultantes de la validación cruzada, ya tienes el modelo que necesitas, NO tienes que hacer nada más. Si vuelves a modelar con todos los datos todo el trabajo de validación que has hecho lo envías a hacer gárgaras. Estarías construyendo un modelo con sobreajuste. Para quedarte tranquilo, haz la prueba, coge el modelo resultante de la

Hi! I am doing a lapply and for comparaison and I get that for is faster than lapply. What I have done: n<-100000 set.seed(123) x<-rnorm(n) y<-x+rnorm(n) rand.data<-data.frame(x,y) k<-100 samples<-split(sample(1:n),rep(1:k,length=n)) res<-list() t<-Sys.time() for(i in 1:100){ modelo<-lm(y~x,rand.data[-samples[[i]]])

Enun ejemplo real estoy viendo como el intervalo de confianza usando lo que me comentas me ha salido mucho más pequeño de lo que la realidad luego refleja. ¿Cómo es esto posible?? Es decir, veo que para valores de 2,70 obtengo una respuesta de entre 2,69 y 2,90 y sin embargo luego en la realidad tengo valores entre 2,20 y 3 Gracias Jesús From: jorgeivanvelez en gmail.com Date: Thu, 21 Apr

Estimados En este modelo no puedo hacer el plot(svmfit,df11 ) #AQUI NO TRABAJA Le adjunto Excel library(readxl) df11 attach(df11) df11$fallecido=factor(df11$fallecido) # Selección de una submuestra del 70% de los datos set.seed(101) tamano.total <- nrow(df11) tamano.entreno <- round(tamano.total*0.7) datos.indices <- sample(1:tamano.total , size=tamano.entreno) datos.entreno <-

El algoritmo en sí no, pero si quieres ajustar los parámetros (número de árboles, tamaño del nodo, etc.) hay que hacerlo. En la práctica te puedo asegurar que hay diferencia entre usar 500 árboles o 100, igual que el tamaño del nodo que cojas; afinar los parámetros puede suponer ajustar bastante los resultados. Un saludo Isidro Hidalgo Arellano Observatorio del Mercado de Trabajo

No, llega un momento en el que más árboles no te supone mejoría, e incluso funciona peor. Que funcione peor lo atribuyo al ruido, porque en teoría no tiene mucho sentido, la verdad... Pero no he probado a coger más árboles de los "necesarios". Lo probaré… Un saludo De: Jesús Para Fernández [mailto:j.para.fernandez en hotmail.com] Enviado el: viernes, 02 de junio de 2017 14:54

?Hola, Puedes ver aquí un ejemplo de cómo comparar varios modelos usando "caret". https://stackoverflow.com/questions/14800021/statistics-of-prediction-for-multiple-models-with-caret O mejor en el propio manual de "caret", en esta sección: https://topepo.github.io/caret/model-training-and-tuning.html#exploring-and-comparing-resampling-distributions Y como recomendación te

Hola, El mensaje es claro: el modelo svmfit no existe, tú has llamado al ajuste ?modelo?. De todas formas, aparte de eso tendrías que especificar qué dimensiones (variables predictivas) quieres representar. Si miras en la ayuda de ?plot.svm lo tienes explicado. Esto sí funcionaría: plot(modelo,df11, LDH ~ INL ) Gracias por proporcionar el código y los datos para poder reproducir el error. Un

Hola todos Cuando realizo las predicciones del modelo multinomial con el paquete nnet, estas cambian cada vez que lo ejecuto ... saben por qué pasa esto ?? Gracias por la ayuda. [[alternative HTML version deleted]]