introdatascience/Codigo-cap6.R at master · tatianaesc/introdatascience · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
##### Práticas de classificação

## Árvores de classificação

# instala o pacote mclust
install.packages("mclust")

# carrega a base de dados banknote
data('banknote', package='mclust')

# verifica o número de linhas do dataset
numLinhas = nrow(banknote)

# sorteia 150 exemplos dentre todos os exemplos do dataset
base.treino <- sample(1:numLinhas, 150, FALSE)

# exibe as 5 primeiras linhas sorteadas
head(base.treino)

# instala o pacote C50
install.packages("C50")

# referencia o pacote C50
library(C50)

# constrói o modelo usando a variável Status como variável de classe
# o argumento ~. diz que todos os atributos devem ser utilizados
modeloC50 <- C5.0(Status ~., data = banknote[base.treino,])

# plota o gráfico da árvore construída
plot(modeloC50)

modeloC50.com.regras <- C5.0(Status ~ ., data = banknote[base.treino,], rules=TRUE)
summary(modeloC50.com.regras)

pred.treino <- predict(modeloC50, newdata = banknote[base.treino,], type="class")

# cria a matriz de confusão de treino
matriz.conf.treino <- table(banknote$Status[base.treino], pred.treino, dnn=c("Classe Observada", "Classe Predita"))
# exibe a matriz
print(matriz.conf.treino)

# calcula a acurácia
acc.treino <- (matriz.conf.treino[1,1] + matriz.conf.treino[2,2]) / (matriz.conf.treino[1,1] + matriz.conf.treino[1,2] + matriz.conf.treino[2,1] + matriz.conf.treino[2,2]) * 100 # calcula a acurácia de treino
# exibe a acurácia
print(acc.treino)

pred.teste <- predict(modeloC50, newdata = banknote[-base.treino,], type="class")

matriz.conf.teste <- table(banknote$Status[-base.treino], pred.teste, dnn=c("Classe Observada", "Classe Predita")) # cria a matriz de confusão de teste
print(matriz.conf.teste) # exibe a matriz

# calcula a acurácia
acc.teste <- (matriz.conf.teste[1,1] + matriz.conf.teste[2,2]) / (matriz.conf.teste[1,1] + matriz.conf.teste[1,2] + matriz.conf.teste[2,1] + matriz.conf.teste[2,2]) * 100
# exibe a acurácia
print(acc.teste)

install.packages("tree")
library(tree)

# constrói o modelo
modeloTree <- tree(Status ~ ., data = banknote[base.treino,], split="deviance")
# plota o modelo
plot(modeloTree)
text(modeloTree)

# exibe a performance de classificação
summary(modeloTree)

# aplica o modelo no conjunto de teste
pred.teste <- predict(modeloTree, newdata = banknote[-base.treino,])
# guarda as classes preditas
pred.class <- colnames(pred.teste)[max.col(pred.teste, ties.method = c("random"))]
# calcula e exibe a matriz de confusão
matriz.conf.teste <- table(banknote$Status[-base.treino], pred.class, dnn = c("Classe Observada", "Classe Predita"))
print(matriz.conf.teste)

# calcula e exibe a acurácia
acc.teste <- (matriz.conf.teste[1,1] + matriz.conf.teste[2,2]) / (matriz.conf.teste[1,1] + matriz.conf.teste[1,2] + matriz.conf.teste[2,1] + matriz.conf.teste[2,2]) * 100
print(acc.teste)

install.packages("party")
library(party)

modeloCTree <- ctree(Status ~ ., data = banknote[base.treino,]) # constrói o modelo
plot(modeloCTree)

# aplica o modelo nos dados de teste
pred.teste <- predict(modeloCTree, newdata = banknote[-base.treino,])
# calcula e exibe a matriz de confusão
matriz.conf.teste <- table(banknote$Status[-base.treino], pred.teste, dnn=c("Classe Observada", "Classe Predita"))
print(matriz.conf.teste)

# calcula e exibe a acurácia
acc.teste <- (matriz.conf.teste[1,1] + matriz.conf.teste[2,2]) / (matriz.conf.teste[1,1] + matriz.conf.teste[1,2] + matriz.conf.teste[2,1] + matriz.conf.teste[2,2]) * 100
print(acc.teste)

## KNN

install.packages("rebmix")
data("wine", package = "rebmix")

boxplot(wine)

# pegamos apenas as características
atributos <- wine[, 1:13]
# normalizamos as características usando média 0 e desvio padrão 1
atributos <- scale(atributos)

boxplot(atributos)

set.seed(2016)

numLinhas = nrow(atributos)
baseTreino <- sample(1:numLinhas, 89, replace = FALSE)

install.packages("class")
library("class")

modeloKNN <- knn(train=atributos[baseTreino,], test=atributos[-baseTreino,], cl=wine$Cultivar[baseTreino], k=3)

matrizConf <- table(modeloKNN, wine$Cultivar[-baseTreino])
print(matrizConf)

accTeste <- (matrizConf[1,1] + matrizConf[2,2] + matrizConf[3,3]) / (matrizConf[1,1] + matrizConf[1,2] + matrizConf[1,3] + matrizConf[2,1] + matrizConf[2,2] + matrizConf[2,3] + matrizConf[3,1] + matrizConf[3,2] + matrizConf[3,3]) * 100
print(round(accTeste,2))

modeloKNN <- knn(train=atributos[baseTreino,], test=atributos[-baseTreino,], cl=wine$Cultivar[baseTreino], k=5)

matrizConf <- table(modeloKNN, wine$Cultivar[-baseTreino])
print(matrizConf)

accTeste <- (matrizConf[1,1] + matrizConf[2,2] + matrizConf[3,3]) / (matrizConf[1,1] + matrizConf[1,2] + matrizConf[1,3] + matrizConf[2,1] + matrizConf[2,2] + matrizConf[2,3] + matrizConf[3,1] + matrizConf[3,2] + matrizConf[3,3]) * 100
print(round(accTeste,2))

modeloKNN <- knn(train=atributos[baseTreino,], test=atributos[-baseTreino,], cl=wine$Cultivar[baseTreino], k=7)

matrizConf <- table(modeloKNN, wine$Cultivar[-baseTreino])
print(matrizConf)

accTeste <- (matrizConf[1,1] + matrizConf[2,2] + matrizConf[3,3]) / (matrizConf[1,1] + matrizConf[1,2] + matrizConf[1,3] + matrizConf[2,1] + matrizConf[2,2] + matrizConf[2,3] + matrizConf[3,1] + matrizConf[3,2] + matrizConf[3,3]) * 100
print(round(accTeste,2))

## Naïve Bayes (Bayes Ingênuo)

tabela = read.table("BD_aulaclass.csv", sep = ";", dec = ",", header = TRUE)
# Outra opção para leitura: tabela <- read.csv("https://raw.githubusercontent.com/tatianaesc/introdatascience/master/BD_aulaclass.csv", sep = ";", dec = ",", header = TRUE)

summary(tabela)

x <- tabela
x$ADIMPLENTE <- NULL
y <- tabela$ADIMPLENTE

set.seed(2018)
N = nrow(x)
baseTreino <- sample(1:N, N*0.75, FALSE)

install.packages("e1071")
library("e1071")

modeloNB <- naiveBayes(y[baseTreino]~., data = x[baseTreino,])
show(modeloNB)

probsTeste <- predict(modeloNB, x[-baseTreino,], type = "raw")
head(round(probsTeste,3),4)

classesTeste <- predict(modeloNB, x[-baseTreino,], type = "class")
head(classesTeste)

matrizConf <- table(classesTeste, y[-baseTreino])
print(matrizConf)

accTeste <- (matrizConf[1,1] + matrizConf[2,2]) / (matrizConf[1,1] + matrizConf[1,2] + matrizConf[2,1] + matrizConf[2,2]) * 100
print(round(accTeste,2))

install.packages("caret")
library("caret")

particoes <- createFolds(tabela$ADIMPLENTE, k=3)

tabTeste1 <- tabela[particoes$Fold1, ]
tabTreino1 <- tabela[-particoes$Fold1, ]

tabTeste2 <- tabela[particoes$Fold2, ]
tabTreino2 <- tabela[-particoes$Fold2, ]

tabTeste3 <- tabela[particoes$Fold3, ]
tabTreino3 <- tabela[-particoes$Fold3, ]

NB1 <- naiveBayes(ADIMPLENTE~IDADE, data = tabTreino1)
NB2 <- naiveBayes(ADIMPLENTE~IDADE, data = tabTreino2)
NB3 <- naiveBayes(ADIMPLENTE~IDADE, data = tabTreino3)

PREDNB1 <- predict(NB1, newdata = tabTeste1)
PREDNB2 <- predict(NB2, newdata = tabTeste2)
PREDNB3 <- predict(NB3, newdata = tabTeste3)

MATCONFNB1 <- table(PREDNB1, tabTeste1$ADIMPLENTE, deparse.level = 2)
MATCONFNB2 <- table(PREDNB2, tabTeste2$ADIMPLENTE, deparse.level = 2)
MATCONFNB3 <- table(PREDNB3, tabTeste3$ADIMPLENTE, deparse.level = 2)

show(MATCONFNB1)

show(MATCONFNB2)

show(MATCONFNB3)

ACC1 <- sum(diag(MATCONFNB1))/nrow(tabTeste1)
ACC2 <- sum(diag(MATCONFNB2))/nrow(tabTeste2)
ACC3 <- sum(diag(MATCONFNB3))/nrow(tabTeste3)

ACCFINAL <- ( ACC1 + ACC2 + ACC3 ) / 3
ACCFINAL*100

NB1 <- naiveBayes(ADIMPLENTE~ ., data = tabTreino1)
NB2 <- naiveBayes(ADIMPLENTE~ ., data = tabTreino2)
NB3 <- naiveBayes(ADIMPLENTE~ ., data = tabTreino3)

## Support Vector Machine (SVM)

tabela = read.table("BD_aulaclass.csv", sep = ";", dec = ",", header = TRUE)
summary(tabela)

x <- tabela
x$ADIMPLENTE <- NULL
y <- as.factor(tabela$ADIMPLENTE)

set.seed(2018)
N = nrow(x)
baseTreino <- sample(1:N, N*0.75, FALSE)

install.packages("kernlab")
install.packages("mlbench")
library(kernlab)
library(mlbench)

modeloSVM <- ksvm(y[baseTreino]~., data=x[baseTreino,], kernel="rbfdot")
print(modeloSVM)

classesTeste <- predict(modeloSVM, x[-baseTreino,], type="response")

library("caret")

resultado <- confusionMatrix(classesTeste, y[-baseTreino])
resultado$table

resultado$overall[1]

modeloSVM <- ksvm(y[baseTreino]~., data=x[baseTreino,], kernel="polydot")
print(modeloSVM)

classesTeste <- predict(modeloSVM, x[-baseTreino,], type="response")

resultado <- confusionMatrix(classesTeste, y[-baseTreino])
resultado$table

resultado$overall[1]