[R-es] Random Forest para clasificación

[Carlos Ortega]

Hola,

Entonces si tienes:

   - La importancia de las variables (esto lo obtienes directamente con
   "importance").
   - Tienes la matriz de confusión.

Con esto tienes bastante información sobre la bondad de tu modelo y sobre
qué variables influyen más en tu variable objetivo.
Lo único que veo que te haría falta es determinar:

   - La precisión utilizando cualquiera de las medidas de error que
   existen: Accuracy, Kappa, LogLoss, RSE, RMSE....
   - Y quizás evaluar un poco más finamente tu modelo con un CV para ver
   con amplitud si es que no estás haciendo overfitting.

¿Has hecho tu modelo directamente?. Quiero decir sin utilizar una parte
para entrenar y otra parte para hacer "test".

Saludos,
Carlos.


El 12 de abril de 2016, 10:39, Jesús Para Fernández <
j.para.fernandez en hotmail.com> escribió:

>
> No no, eso lo he sacaod, es decir, tengo la matriz de confusión para las
> OK/NOK, lo que no entiendo es como extraer las conclusiones sobre el
> modelo, de cara a como afectan las variables. He seguido dos estrategias:
>
> 1-Crear arboles de clasificacion con las variables más importantes del
> random Forest, pero el modelo se empobrece bastante.
> 2- Sacar los partialPlot, para ver la influencia de cada variable, pero no
> termino de entender el significado del eje Y para estos gráficos. Por lo
> que he visto, con tu aportación primera, es que es el porcentaje de Votos
> OK/NOK, pero me queda la duda de saber si el 1 es el OK y el -1 el NOK o al
> revés.
>
> Gracias Carlos!
> Jesús
> ------------------------------
> Date: Tue, 12 Apr 2016 10:28:44 +0200
>
> Subject: Re: [R-es] Random Forest para clasificación
> From: cof en qualityexcellence.es
> To: j.para.fernandez en hotmail.com
> CC: r-help-es en r-project.org
>
> Hola,
>
> Entonces, por tu última pregunta, tu duda no es realmente sobre el
> significado de "partialPlot" si no realmente si a la hora de hacer tu
> modelo, "randomForest" está haciendo una buena o mala clasificación. ¿Es
> así?. Porque entonces lo que hay que aclarar es otra cosa.
>
> Si lo que quieres determinar con precisión es si cuando "randomForest" (o
> cualquier otro modelo) te está indicando que un individuo (una fila)
> pertenece o no a una clase determinada (en tu caso "OK" o "KO") lo que
> tienes que plantearte son otras cosas. Antes de hablar de ellas, prefiero
> confirmar contigo si es esto lo que buscas o no.
>
> Saludos,
> Carlos Ortega
> www.qualityexcellence.es
>
>
> El 12 de abril de 2016, 10:17, Jesús Para Fernández <
> j.para.fernandez en hotmail.com> escribió:
>
>
> Gracias por la pronta respuesta, pero tras leer la contestación de la
> gente, sigo sin entender muy bien la explicación.
>
> Le responden lo siguiente:
> "Each point on the partial dependence plot is the average vote percentage
> in favor of the "Yes trees" class across all observations, given a fixed
> level of TRI.
> It's not a probability of correct classification. It has absolutely
> nothing to do with accuracy, true negatives, and true positives.
> When you see the phrase
>
> Values greater than TRI 30 begin to have a positive influence for
> classification in your model
>
> is an puffed-up way of saying
>
> Values greater than TRI 30 begin to predict "Yes trees" more strongly than
> values lower than TRI 30"
>
> Es decir, que el eje Y es el total de votos de una clase frente a la otra,
> pero como está codificado con -1 y +1, como se cual es la clase OK y la NOK?
>
> Gracias
> Jesús
> ------------------------------
> Date: Tue, 12 Apr 2016 10:04:15 +0200
> Subject: Re: [R-es] Random Forest para clasificación
> From: cof en qualityexcellence.es
> To: j.para.fernandez en hotmail.com
> CC: r-help-es en r-project.org
>
>
> Hola,
>
> Aquí tienes una explicación:
>
>
> http://stats.stackexchange.com/questions/121383/interpreting-y-axis-of-a-partial-dependence-plots
>
> Saludos,
> Carlos Ortega
> www.qualityexcellence.es
>
> El 12 de abril de 2016, 7:13, Jesús Para Fernández <
> j.para.fernandez en hotmail.com> escribió:
>
> Buenas,
>
> Cuando estoy haciendo un random Forest para clasificación y hago el
> gráfico partialPlot, siendo mi respuesta OK/NOK, me sale en el eje X el
> valor de la variable, pero en el eje Y me salen valores de entre -1 y 1.
> ¿Qué significado tiene?
>
> Adjunto un ejemplo:
>
> https://www.dropbox.com/s/4b92lqxi3592r0d/Captura.JPG?dl=0
>
>
> Gracias!!!
>
>         [[alternative HTML version deleted]]
>
>
> _______________________________________________
> R-help-es mailing list
> R-help-es en r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
>
>
>
>
> --
> Saludos,
> Carlos Ortega
> www.qualityexcellence.es
>
>
>
>
> --
> Saludos,
> Carlos Ortega
> www.qualityexcellence.es
>



-- 
Saludos,
Carlos Ortega
www.qualityexcellence.es

	[[alternative HTML version deleted]]