Hem Personliga finanser Hur man förklarar resultaten av en R-klassificeringsprediktiv Analytics-modell - dummies

Hur man förklarar resultaten av en R-klassificeringsprediktiv Analytics-modell - dummies

Video: Jag maxade i bänkpress 31 dagar i rad! Mitt resultat + alla lyft 2025

Video: Jag maxade i bänkpress 31 dagar i rad! Mitt resultat + alla lyft 2025
Anonim

En annan uppgift i predictive analytics är att klassificera nya data genom att förutsäga vilken klass ett måldata av data tillhör, givet en uppsättning oberoende variabler. Du kan till exempel klassificera en kund efter typ - säg som en högkvalitativ kund, en vanlig kund eller en kund som är redo att byta till en konkurrent - genom att använda ett beslutsträd.

För att se några användbara uppgifter om R-klassificeringsmodellen skriver du in följande kod:

>> sammanfattning (modell) Längdklassläge 1 BinaryTree S4
Klasskolumnen berättar att du har skapat ett beslutsträd. För att se hur splittringarna bestäms kan du helt enkelt skriva in namnet på variabeln där du tilldelade modellen, i det här fallet modell, så här: >> modell Villkorligt inferensträd med 6 terminalnoder Svar: seedType Inputs: Område, omkrets, kompaktitet, längd, bredd, asymmetri, längd2 Antal observationer: 147 1) Område <= 16. 2; kriterium = 1, statistik = 123. 423 2) område <= 13. 37; kriterium = 1, statistik = 63. 549 3) längd2 4. 914 5) * vikter = 45 2) område> 13. 37 6) längd2 5. 396 8) * vikter = 8 1) område> 16 2 9) längd2 5. 877 11) * vikter = 40

Ännu bättre, du kan visualisera modellen genom att skapa en plot av beslutet träd med denna kod:> plot (modell)


Detta är en grafisk representation av ett beslutsträd. Du kan se att den övergripande formen efterliknar det som ett riktigt träd. Den är gjord av

noder

(cirklarna och rektanglarna) och länkarna eller kanterna (anslutningslinjerna). Den första noden (från början) kallas rotnod

och noderna på botten av trädet (rektanglar) kallas terminalnoder . Det finns fem beslutskoder och sex terminala noder.

Vid varje nod gör modellen ett beslut baserat på kriterierna i cirkeln och länkarna och väljer ett sätt att gå. När modellen når en terminalnod, uppnås en dom eller ett slutgiltigt beslut. I det här fallet används två attribut, och och, för att bestämma huruvida en given fröetyp är i klass 1, 2 eller 3.

Ta till exempel observation nr 2 från datasetet. Den har en av 4. 956 och en av 14. 88. Du kan använda det träd du just byggt för att bestämma vilken sorts frö typ som denna observation hör till. Här är sekvensen av steg:

Börja vid rotnodet, vilket är nod 1 (numret visas i den lilla rutan längst upp i cirkeln). Bestäm baserat på attributet: Är observationen # 2 mindre än eller lika med (betecknad med <=) 16.2? svaret är ja, så rör dig längs vägen till nod 2.

Vid nod 2 frågar modellen: Är området 13. 37? Svaret är ja, så rör dig längs vägen till nod 6. Vid denna nod frågar modellen: Är längden2 <= 5.396? Det är, och du flyttar till terminal nr 7 och domen är att observation # 2 är av frö typ 1. Och det är faktiskt frö typ 1.

  1. Modellen gör det för alla andra observationer för att förutsäga deras klasser.

  2. För att få reda på om du har utbildat en bra modell, kontrollera den mot träningsdata. Du kan se resultaten i en tabell med följande kod: >> tabell (förutsäga (modell), trainSet $ ​​seedType) 1 2 3 1 45 4 3 2 3 47 0 3 1 0 44

    Resultaten visar att felet (eller felklassificeringsfrekvensen) är 11 av 147 eller 7 48 procent.

  3. Med de beräknade resultaten är nästa steg att läsa tabellen.

    Korrekta förutsägelser är de som visar kolumn- och radnummer som samma. Dessa resultat visas som en diagonal linje från vänster till vänster till höger; till exempel [1, 1], [2, 2], [3, 3] är antalet korrekta förutsägelser för den klassen.
    

    Så för frö typ 1, förutspådde modellen det 45 gånger, medan man inte klassificerade fröet 7 gånger (4 gånger som frö typ 2 och 3 gånger som typ 3). För frö typ 2 förutspådde modellen det 47 gånger, medan det klassificerades 3 gånger. För frö typ 3, förutspådde modellen det 44 gånger, medan det endast klassificerades en gång.

  4. Detta visar att det här är en bra modell. Så nu utvärderar du det med testdata. Här är koden som använder testdata för att förutsäga och lagra den i en variabel (testPrediction) för senare användning: >> testPrediction <- predict (model, newdata = testSet)

    För att utvärdera hur modellen utfördes med testdata, se den i en tabell och beräkna felet, för vilket koden ser ut så här: >> tabell (testPrediction, testSet $ ​​seedType) testPrediction 1 2 3 1 23 2 1 2 1 19 0 3 1 0 17

Hur man förklarar resultaten av en R-klassificeringsprediktiv Analytics-modell - dummies

Redaktörens val

Vad är en Java-karta? - dummies

Vad är en Java-karta? - dummies

Arrays och specialiserade listor gör det möjligt att utföra en fantastisk uppsättning uppgifter med Java. Det finns dock situationer där en Java-applikation behöver något som är mer relaterat till en databas, utan att egentligen ha allt databasbagage (som att behöva köpa en separat applikation). Till exempel kanske du vill kunna ...

Några få saker om Java Math - dummies

Några få saker om Java Math - dummies

Tro det eller inte, datorer - även de mest kraftfulla - Ha vissa begränsningar när det gäller att utföra matematiska beräkningar. Dessa begränsningar är vanligtvis obetydliga, men ibland slår de sig och biter på dig. Här är de saker du behöver se upp för när du gör matte i Java. Helhetsflöde Det grundläggande problemet ...

Vad är recursion i Java Programmering? - dummies

Vad är recursion i Java Programmering? - dummies

Rekursion är en grundläggande programmeringsteknik som du kan använda i Java, där en metod kallar sig för att lösa ett problem. En metod som använder denna teknik är rekursiv. Många programmeringsproblem kan lösas endast genom rekursion, och vissa problem som kan lösas med andra tekniker löses bättre genom rekursion. En av ...

Redaktörens val

4 Måste-inkludera i din blogg sidobardesign - dummies

4 Måste-inkludera i din blogg sidobardesign - dummies

Din bloggens sidofält är viktig fastighet som bör innehålla de element du vill ha mest. När du utformar din blogg sidofält kan du dra från en nästan oändlig lista över sidospårelement. Genom att välja noggrant vad som ska inkluderas (och vad som inte ska inkluderas) kan du ställa in din blogg från andra.

5 Användbara Wordpress Plugins - dummies

5 Användbara Wordpress Plugins - dummies

Om du bloggar på en självhävd plattform med WordPress-programvara, är det dags att anpassa din blogg med plug-ins - programvara som kan "anslutas" till din befintliga WordPress bloggprogramvara. Plug-ins gör det möjligt för dig att göra allt från funktionsbildspel i dina blogginlägg för att ansluta sociala medier till din webbplats. Här är fem användbara ...

7 Sätt att erövra Writer's Block som en Blogger - dummies

7 Sätt att erövra Writer's Block som en Blogger - dummies

Varje bloggare möter författarens block i ett tid eller annan. Om du är den typ av bloggare som sköter innehåll varje dag, kan författarens block vara stäverande. Kan du inte ta en paus för att få ditt skrivande mojo tillbaka? Prova en (eller flera) av dessa sju sätt att slå författarens block för att få dig tillbaka ...

Redaktörens val

10 Stora elektronikkomponentkällor - dummies

10 Stora elektronikkomponentkällor - dummies

Letar du efter några bra källor till dina elektroniska delar? Denna lista ger dig några fleråriga favoriter, både inom och utanför Nordamerika. Denna lista är inte uttömmande. Du hittar bokstavligen tusentals specialutbud för ny och begagnad elektronik. Plus, Amazon och eBay ger virtuella marknadsplatser för alla sorters säljare - ...

Elektronik Basics: Resistance - dummies

Elektronik Basics: Resistance - dummies

I elektronikvärlden är motståndet inte meningslöst. Faktum är att motstånd kan vara mycket användbart. Utan motstånd skulle elektronik inte vara möjligt. Elektronik handlar om att manipulera strömmen av ström, och ett av de mest grundläggande sätten att manipulera strömmen är att minska det genom resistans. Utan motstånd strömmar strömmen oreglerad och där ...

Digital elektronik: Så här installerar du BASIC Stamp Editor och Anslut till Stämpeldummorna

Digital elektronik: Så här installerar du BASIC Stamp Editor och Anslut till Stämpeldummorna

För att berätta för BASIC Stamp vad du vill göra i ditt digitala elektronikprojekt måste du programmera det. BASIC Stamp Windows Editor är den programvara som du använder på din dator för att skapa program som kan laddas ner till en BASIC Stamp-mikrokontroller. Denna programvara är tillgänglig gratis från Parallax webbplats. ...