Árvore de Decisão com R


Hoje decidi abordar um tema comumente utilizado para tomadas de decisão, com a Linguagem R.
Utilizei o pacote "party" muito eficaz para a criação de árvores de decisão com R
O objetivo deste artigo é mostrar o conceito e formas de utilização e criação de uma árvore de decisão, quais suas vantagens e aplicações.

Conceito

Árvore de decisão é um gráfico para representar opções e seus resultados na forma de uma árvore.
Os nós no gráfico representam um evento ou escolha e as bordas do gráfico representam as regras ou
condições de decisão. É usado principalmente em aplicativos Machine Learning e Data Mining usando R.

Exemplos de uso de árvores de decisão são: prever um email como spam ou não spam, prever se um tumor é canceroso ou prever um empréstimo como um risco de crédito bom ou ruim, com base nos fatores de cada um deles.
Geralmente, um modelo é criado com dados observados também chamados de dados de treinamento. Em seguida, um conjunto de dados de validação é usado para verificar e melhorar o modelo.
R possui pacotes que são usados para criar e visualizar árvores de decisão. Para um novo conjunto de variáveis preditivas, usamos esse modelo para chegar a uma decisão sobre a categoria (sim / não, spam / não spam) dos dados.

 O pacote R "party" é usado para criar árvores de decisão.

Instalação do pacote "party" no R

Use o comando abaixo no console do R para instalar o pacote. Você também precisa instalar os pacotes dependentes, se houver.


O pacote "party" possui a função ctree() que é usada para criar e analisar a árvore de decisões.

Sintaxe

A sintaxe básica para criar uma árvore de decisão em R é :

ctree(formula, data)

A seguir, é apresentada a descrição dos parâmetros usados:
  • formula é uma fórmula que descreve as variáveis preditoras e de resposta.
  • data é o nome do conjunto de dados usado.

Dados de Entrada


Usarei o conjunto de dados incorporado no R chamado "readingSkills" para criar uma árvore de decisão.
Ele descreve a pontuação das habilidades de leitura de alguém, se conhecermos as variáveis "age", "shoesize", "score" e se a pessoa é um falante nativo ou não.

Aqui estão os dados de amostra:

Carregue o pacote de festa. Carregará automaticamente outro pacotes dependentes.

Imprima alguns registros do conjunto de dados readingSkills.


O resultado será o seguinte:



Quando executamos o código acima, ele produz o seguinte resultado e gráfico:

EXEMPLO

Usaremos a função ctree() para criar a árvore de decisão e ver seu gráfico.

 Crie o quadro de dados de entrada.


Dê um nome para o gráfico


Crie a árvore:


Plote a árvore


O resultado da plotagem será salva num arquivo .png, e ficará desta forma:



Salve o arquivo

Conclusão

A partir da árvore de decisão mostrada acima, podemos concluir que qualquer pessoa cuja pontuação de habilidades de leitura seja inferior a 38,3 e a idade seja superior a 6 anos não é um falante nativo.

Espero que este artigo seja útil para esclarecer melhor o conceito de árvores de decisão, utilizando esta poderosa linguagem que é o R

Não esqueçam de comentar vossa opinião no artigo!

Espero que gostem. Abraços e bons estudos!!

O código completo pode ser encontrado no meu Git:
https://github.com/NelsonZyon/Data-Science/blob/master/Tutorial_Arvore_Decisao_R.R

Comentários

Postar um comentário

Postagens mais visitadas deste blog

Tutorial de Machine Learning com Python - Iniciantes - Parte 1

Imagem
Este tutorial tem como objetivo explicar apenas o necessário para que qualquer pessoa, possa iniciar sua caminhada em Ciência de Dados.  Abordaremos as principais ferramentas que um Cientista de Dados na linguagem Python, não pode deixar de utilizar. Criamos este material para pessoas que ainda não possuem o ferramental matemático avançado de machine learning. Apresentaremos exemplos mais simples como introdução para motivar os iniciantes O tutorial é dividido em duas partes, sendo a segunda parte publicada posteriormente á publicação da primeira. Como dados utilizaremos um dataset bem conhecido no universo de data science, que é o Pokemons, muito utilizado para fins acadêmicos, como é este caso. O cientista de dados precisa ter as seguintes habilidades: Ferramentas básicas: como python, R ou SQL. Você não precisa saber tudo. O que você só precisa é aprender a usar python. Estatística Básica: Como média, mediana ou desvio padrão. Se você conhece estatísticas básicas, pod
Leia mais

Regressão Múltipla com R

Imagem
CONCEITO A regressão múltipla é uma extensão da regressão linear na relação entre mais de duas variáveis. Na relação linear simples, temos uma variável preditora e uma resposta, mas, na regressão múltipla, temos mais de uma variável preditora e uma variável de resposta. A equação matemática geral para regressão múltipla é : y = a + b1x1 + b2x2 +...bnxn A seguir, é apresentada a descrição dos parâmetros usados: y é a variável de resposta a, b1, b2 ... bn são os coeficientes x1, x2, ... xn são as variáveis preditoras Criamos o modelo de regressão usando a função lm() em R. O modelo determina o valor dos coeficientes usando os dados de entrada. Em seguida, podemos  Prever o valor da variável de resposta para um determinado conjunto de variáveis preditoras usando esses coeficientes. FUNÇÃO LM() Essa função cria o modelo de relacionamento entre o preditor e a variável de resposta. A sintaxe básica da função lm() na regressão múltipla é: lm(y ~ x1+x2+x3...,data)
Leia mais

Tutorial de Machine Learning com Python - Iniciantes - Parte 2

Imagem
Em continuação á parte 1 do tutorial de machine learning para iniciantes, que pode ser encontrado em  https://incubedatascience.blogspot.com/2020/02/tutorial-de-machine-learning-com-python.html vamos iniciar a segunda parte deste tutorial, onde valos abordar mais diretamente Machine Learning, Aprendizado Supervisionado e Não Supervisionado, Deep Learning, Predição de Séries Temporais e um pouco do uso de Pytorch. Vamos iniciar importante as principais bibliotecas que vamos trabalhar do Python Os arquivos de dados de entrada estão disponíveis no diretório "../input/". Por exemplo, executar isso (clicando em executar ou pressionando Shift + Enter) listará os arquivos no diretório de entrada Todos os resultados que você escreve no diretório atual são salvos como saída. Ler o  csv (valor separado por vírgula) nos dados MACHINE LEARNING (ML) Aprendizado Supervisionado Aprendizado supervisionado: usa dados que possuem rótulos. Por exemplo, exis
Leia mais