INFORME RESULTADO VISTAS MINADAS

INFORME RESULTADO VISTAS MINADAS

Vista minada árbol de decisión.


Ilustración 1 vista minada árbol de decisión.
En la vista minada realizada se han utilizado varios métodos de tratamiento de datos en el cual se han depurado los valores perdidos de la siguiente manera:

Columnas string: Se utilizaran los valores más frecuentes
Columnas desconocidas: Se removerán las columnas desconocidasColumnas dobles: Se utilizara la media de todos los valores
Columnas enteras: Se utilizaran los valores más frecuentes

Para la utilización de ciertos algoritmos, existen varias restricciones, por ejemplo en el árbol de decisión se utilizaran los valores de la variable denominada clase como valores string, para esto se utilizan métodos de conversión como tenemos en la ilustración 1 en el método Numberto String.
En las particiones se definirá el porcentaje que se utilizara para realizar los cálculos y el porcentaje restante se utilizara para realizar las pruebas de comprobación. En el casi de la ilustración 1 tenemos el porcentaje absoluto que se utilizara para los cálculos es de un 70% y el 30% se utilizara para las comprobaciones.
Luego se aplica un algoritmo llamado Árbol de Decisión elcual tiene dos nodos: Nodo de aprendizaje y Nodo predictor.
El scorer nos dara un resultado de la precisión que el algoritmo arroja. A continuación se muestra el resultado:


Ilustración 2 Resultado de vista minada de arbol de decisión

Según el cuadro de la ilustración 2 existe una tasa de error del 21,138% y precisión del 78,862% en el que podemos interpretar que:
En la clasificación 1 arrojó82 aciertos con el valor correspondiente, mientras que a 8 datos les asigno el valor de 2 cuando en realidad su valor era el 1.
En la clasificación 2 tenemos que acertó en 12 datos, mientras que a 14 datos les dio el valor de 1 y en 3 datos les dio la valoración de 3.
En la clasificación 3 acertó en 3 ocasiones y fallo en dos ocasiones dándole a un dato la ponderación de 1 y otra en 2.Ilustración 3 Vista minada de árbol de decisión con datos igualados

En esta vista minada se ha configurado de la misma manera para el tratamiento de los datos perdidos, el cambio que se realizó fue en los datos de entrada utilizando el proceso de oversampling en el cual consiste en igualar los números de datos en cada variable de la clase.



Ilustración 4 Resultados de vista minada con datosigualados
Según el cuadro de la ilustración 4 existe una tasa de error del 8,519% y precisión del 91,481% en el que podemos interpretar que:
En la clasificación 1 arrojó 55 aciertos con el valor correspondiente, mientras que a 18 datos les asigno el valor de 2 cuando en realidad su valor era el 1.
En la clasificación 2 tenemos que acertó en 121 datos, mientras que a 5 datos les dio el valor de3.
En la clasificación 3 acertó en 71 ocasiones y no tuvo fallo alguno.


Ilustración 5 Vista minada con X-partitioner y X-agregator

En esta vista minada se utilizara los mismos métodos de tratamiento de datos pero se aumentara SMOTE, X-PARTITIONER y X-AGGREGATOR.

Smote: Este nodo es un sobremuestreo de los datos de entrada (es decir, agrega filas artificiales) para enriquecer los datos deentrenamiento.
X-Partitioner: Este nodo es el primero de un ciclo de validación cruzada. Al final del bucle debe haber un X-Aggregator para recoger los resultados de cada iteración. Todos los nodos entre estos dos nodos se ejecutan tantas veces como iteraciones deben realizarse.
X-Aggregator: Este nodo debe ser el final de un bucle de validación cruzada y debe seguir un nodo X-Partitioner. Recoge elresultado de un nodo de predicción, compara clase predicha y la clase real y da salida a las predicciones para todas las filas y las estadísticas de iteración.

Ilustración 6 Resultados de vista minada


Según el cuadro de la ilustración 6 existe una tasa de error del 18,182% y precisión del 81,818% en el que podemos interpretar que:
En la clasificación 1 arrojó 492 aciertos con el valor...