similar to: Random Forest para clasificación

Gracias por la pronta respuesta, pero tras leer la contestación de la gente, sigo sin entender muy bien la explicación. Le responden lo siguiente: "Each point on the partial dependence plot is the average vote percentage in favor of the "Yes trees" class across all observations, given a fixed level of TRI. It's not a probability of correct classification. It has absolutely

No no, eso lo he sacaod, es decir, tengo la matriz de confusión para las OK/NOK, lo que no entiendo es como extraer las conclusiones sobre el modelo, de cara a como afectan las variables. He seguido dos estrategias: 1-Crear arboles de clasificacion con las variables más importantes del random Forest, pero el modelo se empobrece bastante. 2- Sacar los partialPlot, para ver la influencia de cada

Mi matriz de datos inicial estaba muy desbalanceada (5% de la clase minoritaria), por lo que he creado con el algoritmo SMOTE un dataset balanceado con el que he creado el modelo, y luego sobre ese modelo he creado la matriz de confusión con los datos originales. Respecto a lo que me comentas, Carlos, creo que además de todo lo que comentas, que está bien, en micaso es necesario también saber no

Muchas gracias Carlos; ¡tu siempre al pié del cañón! (lo puse el día de reyes a la 1.20h y me contestas a las 2.45h) Una cosa más: si el eje y es la probabilidad ¿por qué va de 0 a 10? En un RF para clasificación me da valores parecidos a los de tu ejemplo, y en otro para regresión, valores de y entre 45 y 55. Para regresión, el último parámetro no puede ser una categoría, como

Hola erreros. A ver si alguien podría decirme qué son los dos ejes del plot que resulta de aplicar partialPlot en un Randomforest. Encuentro que: Partial dependence plot gives a graphical depiction of the marginal effect of a variable on the class probability (classification) or response (regression) que nos indica como varía la VR en función de la variable considerada, manteniendo el

Hi, To evaluate the partial influence of a factor with a random Forest, wich response is OK/NOK I?m using partialPlot, being the x axis the factor axis and the Y axis is between -1 and 1. What this -1 and 1 means? An example: https://www.dropbox.com/s/4b92lqxi3592r0d/Captura.JPG?dl=0 Thanks for all!!! [[alternative HTML version deleted]]

Hola, Daniel: Quizá deberías ser más explícito porque de la información que suministras yo solo te puedo decir que no veo la relación entre los 3 tipos de algoritmos que nombras: - un análisis de componentes principales puede ser una fase previa de los otros dos - hacer un cluster es un tipo de aprendizaje no supervisado, mientras que un clasificador normalmente es utilizado en aprendizaje

CREO QUE ESTE TIPO DE CONSULTA, EXCEDE EL PROPÓSITO DE ESTE FORO. El miércoles, 26 de noviembre de 2014, Daniel Carrillo Zapata < daniel.carrillo2 en um.es> escribió: > Hola Isidro, > > mira, te explico mejor: tengo una base de datos con información de > 10 conductores en un recorrido de 30 minutos en coche. Para cada > conductor, se le midió parámetros

Hola de nuevo a todos, me gustaría pediros disculpas por los correos que he enviado. La razón de enviarlos es que pensaba que era también un foro en el que podía plantear cuestiones estadísticas, no solo sobre R en concreto. Siempre es importante aprender algo de todo lo que haces, así que lo que me llevo es el conocimiento de que aquí solo puedo plantear cuestiones de implementación en R, y

Gracias Carlos. Hasta donde yo entiendo si las hay: El argumento family puede ser: "gaussian" (for minimizing squared error); por lo que tiene que ser numérica "bernoulli" (logistic regression for 0-1 out-comes); binaria por narices "poisson" (count outcomes; requires the response to be a positive integer); numérica también, pues. La única podría ser

Hola a todos, tengo unos datos clasificados, es decir un factor con etiquetas de 1 a 14 y quiero comprobar las coincidencias con un test (también otro factor). Lo que me interesa obtener más que la matriz de confusión o el indice kappa, es otro factor con las coincidencias entre ambos factores (clasificación y test). Es decir 1 si coinciden las etiquetas y 0 si no coinciden, Supongo que para

Hola, Ya está disponible igualmente la presentación de Pedro Concejero sobre el "PCA con matrices sparse para clasificación automática de contenidos (p.ej. películas).<http://concejero.wdfiles.com/local--files/home/PCA_movies_matrices_sparse.ppt> " Está en la página del grupo dentro de la de la Asociación (reunión del 31-octubre) http://r-es.org/tiki-index.php?page_ref_id=43 El

Hola a todos, Ajusté un modelo lineal mixto en el cual tengo una interacción significativa entre dos facotres, cada uno con 3 niveles (osea un diseño 3x3). Esta es la tabla de medias             P1                P 2             P3 M1      220.66       311.85        260.80 M2      348.57        89.33         191.71 M3      103.57      381.37         511.62 Con el fin de interpretar

Hola erreros, ¿sabéis si gbm.step puede usarse para clasificación no binaria? Gracias -- 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

Muy buenas; mi primera consulta. Utilizo rpart (con as.party) y evtree, para obtener árboles de clasificación. Los represento en una windows() aparte, pero cuando el árbol es un poco grande, las hojas quedan muy estrechas y no se ven los porcentajes. ¿Sabéis como hacer que todo el árbol sea más pequeño para que las hojas no queden como simples líneas? Gracias -- Dr Manuel Mendoza

Si, Carlos. Yo hago lo mismo, pero esos mismos numeritos salen enormes. > treesize(RFfit) [1] 4304 4302 4311 4319 4343 4298 4298 4311 4349 4327 4331 4317 4294 4321 4283 4362 [17] 4300 4330 4266 4331 4308 4352 4294 4315 4372 4349 4331 4347 4329 4348 4298 4335 [33] 4346 4396 4345 4313 4293 4276 4353 4272 4304 4325 4317 4336 4308 4351 4374 4324 [49] 4386 4359 4311 4346 4300

Hola de nuevo. Se me olvidaba la principal razón para utilizar gbm.step del paquete dismo. Como sabéis, los boosted si sobreajustan (a diferencia de los random forest o cualquier otro bootstrap) pero gbm.step hace validación cruzada para determinar el nº óptimo de árboles y evitarlo. Es fundamental. La opción que me queda, Carlos, es hacerlo con gbm, pero muchas veces, y usar el

Buenas, Estoy creando unos modelos donde necesito normalizar los datos antes de crear el modelo. Estoy haciendo árboles de clasifciacion, pero me surge la duda de saber como tengo que hacer, pues cuando muestro el arbol me sale con lo svalores normalizados, pero me gustaria uqe el arbol diera ya directamente las conclusiones con los datos no normalizados. Lo que hago yo ahora es desnormalizar

Hola, Estoy haciendo unas gráficas de evolución temporal con el paquete "ggplot" y me he encontrado con una dificultad que no logro resolver. En el eje "x" tengo las fechas y en el "y" la concentración de un parámetro. En el eje x me sale de forma predeterminada intervalos en años (de 2012 a 2016), y unicamente salen 3 etiquetas (una cada 2 años). Necesito

Estimado Wilmer Contreras Sepulveda Me parece buena la sugerencia de Jorge, hay muchas formas, yo aparte de la sugerencia que le hicieron le agrego otras dos, en cualquier buscador las palabras claves son R AUC, y el artículo https://www.r-bloggers.com/calculating-auc-the-area-under-a-roc-curve/ , lógicamente aparecerán tantas alternativas que puede llegar a confundirse respecto a cuál es