[R-es] crear un vector con las categorías

[Manuel Mendoza]

Es un leave one out. Con todas las muestras menos una se entrena el  
algoritmo, se predice la categoría de la muestra que falta, y se añade  
al vector, que finalmente incluye la predicción para todas las  
muestras y sin que hayan sido utilizada para entrenar los modelos. Es  
especialmente útil cuando hay pocas muestras y con una validación  
cruzada k-fold, los entrenamientos se hacen con pocas muestras. Aunque  
es una técnica común, este código lo acabo de diseñar yo, por lo que,  
hasta que no analice los resultados no estoy seguro de que lo hace  
bien. Supongo que sí.


Quoting Javier Marcuzzi <javier.ruben.marcuzzi using gmail.com>:

> Estimado Manuel Mendoza
>
> Con sus datos y a modo de curiosidad, ¿que pasa en  training <- data[-i, ]?
>
> Javier Rubén Marcuzzi
>
> El lun., 18 feb. 2019 a las 19:39, Manuel Mendoza (<mmendoza using mncn.csic.es>)
> escribió:
>
>> Gracias Jorge. No entiendo bien; la variable objetivo es ya factor. El
>> árbol me la predice bien, como factor, también. Es al ir construyendo
>> el vector que lo anota con un nº, según de cuál de las 4 categorías se
>> trate.
>>
>>
>> Quoting Jorge I Velez <jorgeivanvelez using gmail.com>:
>>
>> > Estimado Manuel,
>> >
>> > Debes definir ecsta como factor usando, por ejemplo,
>> >
>> > factor(ecsta, levels = ...)
>> >
>> > antes de ajustar el modelo.
>> >
>> > Dale una mirada a
>> >
>> > ?factor
>> >
>> > para má detalles.
>> >
>> > Saludos,
>> > Jorge.-
>> >
>> > El El lun, 18 de feb. de 2019 a las 1:03 p. m., Manuel Mendoza <
>> > mmendoza using mncn.csic.es> escribió:
>> >
>> >>
>> >> Buenas tardes, tengo un loop que hace un árbol de clasificación cada
>> >> vez y va creando un vector con una predicción que hace. Son 4
>> >> categorías (pongamos a, b, c y d), pero en vez de ir añadiendo la
>> >> categoría predicha me añade al vector el nº (del 1 al 4) al que
>> >> corresponde esa categoría. Supongo que se puede hacer que añada la
>> >> categoría (la letra), pero no sé cómo.
>> >>
>> >> preds <- {}
>> >>
>> >> for (i in 1:nrow(data)) {
>> >>
>> >>    training <- data[-i, ]
>> >>
>> >>    fitrp <- rpart(ecsta ~ .,data=training, cp=0)
>> >>
>> >>    Pred <- predict(fitrp,data[i,], type="class")
>> >>
>> >>    preds[i] <- Pred
>> >>
>> >> }
>> >>
>> >> Gracias como siempre,
>> >> Manuel
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >>
>> >> .
>> >>
>> >> --
>> >> Dr Manuel Mendoza
>> >> Department of Biogeography and Global Change
>> >> National Museum of Natural Science (MNCN)
>> >> Spanish Scientific Council (CSIC)
>> >> C/ Serrano 115bis, 28006 MADRID
>> >> Spain
>> >>
>> >> _______________________________________________
>> >> R-help-es mailing list
>> >> R-help-es using r-project.org
>> >> https://stat.ethz.ch/mailman/listinfo/r-help-es
>> >>
>> > --
>> > Sent from my phone. Please excuse my brevity and misspelling.
>>
>>
>> --
>> Dr Manuel Mendoza
>> Department of Biogeography and Global Change
>> National Museum of Natural Science (MNCN)
>> Spanish Scientific Council (CSIC)
>> C/ Serrano 115bis, 28006 MADRID
>> Spain
>>
>> _______________________________________________
>> R-help-es mailing list
>> R-help-es using r-project.org
>> https://stat.ethz.ch/mailman/listinfo/r-help-es
>>


-- 
Dr Manuel Mendoza
Department of Biogeography and Global Change
National Museum of Natural Science (MNCN)
Spanish Scientific Council (CSIC)
C/ Serrano 115bis, 28006 MADRID
Spain