Nothing Special   »   [go: up one dir, main page]
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 18 vistas

    Ejemplos Adicionales CRISP-DM

    Cargado por

    Sam Smith
    xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Ejemplos Adicionales CRISP-DM

    Cargado por

    Sam Smith
    18 vistas10 páginas
    xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    18 vistas10 páginas

    Ejemplos Adicionales CRISP-DM

    Cargado por

    Sam Smith
    xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 10

    1.

    EJEMPLO 1: CLASIFICACIÓN USANDO EL CONJUNTO DE DATOS IRIS

    1.1. Fase 1: Comprensión del Negocio


    El objetivo del negocio es clasificar las flores en tres especies (setosa, versicolor,
    virginica) basándose en las medidas de sus sépalos y pétalos.
    objetivo_negocio <- "Clasificar las flores en tres especies basándose en las
    medidas de sus sépalos y pétalos."
    criterios_exito <- "El modelo debe tener una precisión mayor al 90% en el
    conjunto de prueba."

    1.2. Fase 2: Comprensión de los Datos


    Exploramos el conjunto de datos iris.
    data(iris)
    str(iris)
    summary(iris)
    pairs(iris, col = iris$Species)

    1.3. Fase 3: Preparación de los Datos


    Preparamos los datos para el modelado.
    # Dividir los datos en conjuntos de entrenamiento y prueba
    set.seed(123)
    library(caTools)
    split <- sample.split(iris$Species, SplitRatio = 0.7)
    train_data <- subset(iris, split == TRUE)
    test_data <- subset(iris, split == FALSE)

    1.4. Fase 4: Modelado


    Entrenamos un modelo de clasificación usando un árbol de decisión.
    # Instalar y cargar el paquete necesario
    install.packages("rpart")
    library(rpart)
    # Entrenar el modelo
    modelo <- rpart(Species ~ ., data = train_data, method = "class")
    # Visualizar el árbol
    install.packages("rpart.plot")
    library(rpart.plot)
    rpart.plot(modelo)
    1.5. Fase 5: Evaluación
    Evaluamos el rendimiento del modelo.
    # Realizar predicciones
    predicciones <- predict(modelo, newdata = test_data, type = "class")

    # Calcular la precisión
    precision <- sum(predicciones == test_data$Species) / nrow(test_data)
    print(paste("Precisión:", precision))

    1.6. Fase 6: Despliegue


    Guardamos el modelo para su uso en producción.
    # Guardar el modelo

    saveRDS(modelo, file = "modelo_clasificacion_iris.rds")

    # Cargar el modelo guardado

    modelo_desplegado <- readRDS("modelo_clasificacion_iris.rds")

    # Predicción con el modelo desplegado

    nuevas_predicciones <- predict(modelo_desplegado, newdata = test_data, type =


    "class")
    2. EJEMPLO 2: SERIES TEMPORALES USANDO EL CONJUNTO DE DATOS
    AIRPASSENGERS

    2.1. Fase 1: Comprensión del Negocio


    El objetivo del negocio es predecir el número de pasajeros aéreos mensuales
    para planificar la capacidad de la aerolínea.
    objetivo_negocio <- "Predecir el número de pasajeros aéreos mensuales para planificar la
    capacidad de la aerolínea."

    criterios_exito <- "El modelo debe tener un error absoluto medio (MAE) menor a 10%."

    2.2. Fase 2: Comprensión de los Datos


    Exploramos el conjunto de datos AirPassengers.

    data(AirPassengers)

    str(AirPassengers)

    summary(AirPassengers)

    plot(AirPassengers)

    2.3. Fase 3: Preparación de los Datos


    Preparamos los datos para el modelado.

    # Dividir los datos en entrenamiento y prueba (80% entrenamiento, 20% prueba)

    train_data <- window(AirPassengers, start = c(1949, 1), end = c(1958, 12))

    test_data <- window(AirPassengers, start = c(1959, 1))

    2.4. Fase 4: Modelado


    Entrenamos un modelo ARIMA para la serie temporal.
    # Instalar y cargar el paquete necesario

    install.packages("forecast")

    library(forecast)

    # Entrenar el modelo ARIMA

    modelo <- auto.arima(train_data)

    # Resumen del modelo

    summary(modelo)
    2.5. Fase 5: Evaluación
    Evaluamos el rendimiento del modelo.
    # Realizar predicciones

    predicciones <- forecast(modelo, h = length(test_data))

    # Visualizar las predicciones

    plot(predicciones)

    lines(test_data, col = 'red')

    # Calcular el error absoluto medio (MAE)

    mae <- mean(abs(predicciones$mean - test_data))

    print(paste("MAE:", mae))

    2.6. Fase 6: Despliegue


    Guardamos el modelo para su uso en producción.
    # Guardar el modelo

    saveRDS(modelo, file = "modelo_arima_airpassengers.rds")

    # Cargar el modelo guardado

    modelo_desplegado <- readRDS("modelo_arima_airpassengers.rds")

    # Predicción con el modelo desplegado

    nuevas_predicciones <- forecast(modelo_desplegado, h = length(test_data))

    2.7. Resumen Completo del Ejemplo 2 en R


    Aquí tienes el flujo completo para el ejemplo de series temporales.
    # Fase 1: Comprensión del Negocio

    objetivo_negocio <- "Predecir el número de pasajeros aéreos mensuales para planificar la


    capacidad de la aerolínea."

    criterios_exito <- "El modelo debe tener un error absoluto medio (MAE) menor a 10%."

    # Fase 2: Comprensión de los Datos

    data(AirPassengers)
    str(AirPassengers)

    summary(AirPassengers)

    plot(AirPassengers)

    # Fase 3: Preparación de los Datos

    train_data <- window(AirPassengers, start = c(1949, 1), end = c(1958, 12))

    test_data <- window(AirPassengers, start = c(1959, 1))

    # Fase 4: Modelado

    install.packages("forecast")

    library(forecast)

    modelo <- auto.arima(train_data)

    summary(modelo)

    # Fase 5: Evaluación

    predicciones <- forecast(modelo, h = length(test_data))

    plot(predicciones)

    lines(test_data, col = 'red')

    mae <- mean(abs(predicciones$mean - test_data))

    print(paste("MAE:", mae))

    # Fase 6: Despliegue

    saveRDS(modelo, file = "modelo_arima_airpassengers.rds")

    modelo_desplegado <- readRDS("modelo_arima_airpassengers.rds")

    nuevas_predicciones <- forecast(modelo_desplegado, h = length(test_data))


    3. EJEMPLO: TITANIC PARA UN PROBLEMA DE CLASIFICACIÓN (SOBREVIVIR
    O NO SOBREVIVIR)

    3.1. Fase 1: Comprensión del Negocio


    El objetivo del negocio es predecir si un pasajero del Titanic sobrevivió o no
    basado en diversas características como edad, clase, sexo, etc.
    objetivo_negocio <- "Predecir si un pasajero del Titanic sobrevivió o no basado en diversas
    características."

    criterios_exito <- "El modelo debe tener una precisión mayor al 80% en el conjunto de
    prueba."

    3.2. Fase 2: Comprensión de los Datos


    Exploramos el conjunto de datos Titanic que está disponible en varios paquetes
    de R.
    # Cargar el conjunto de datos Titanic

    install.packages("titanic")

    library(titanic)

    data("titanic_train")

    # Exploración inicial de los datos

    str(titanic_train)

    summary(titanic_train)

    # Visualización de algunos datos

    library(ggplot2)

    ggplot(titanic_train, aes(x = factor(Pclass), fill = factor(Survived))) +

    geom_bar() +

    labs(x = "Clase", y = "Cantidad", fill = "Sobrevivió") +

    theme_minimal()

    ggplot(titanic_train, aes(x = Age, fill = factor(Survived))) +

    geom_histogram(binwidth = 5) +

    labs(x = "Edad", y = "Cantidad", fill = "Sobrevivió") +

    theme_minimal()
    3.3. Fase 3: Preparación de los Datos
    Preparamos los datos para el modelado.
    # Manejar valores perdidos

    titanic_train$Age[is.na(titanic_train$Age)] <- median(titanic_train$Age, na.rm = TRUE)

    # Convertir variables categóricas a factores

    titanic_train$Pclass <- as.factor(titanic_train$Pclass)

    titanic_train$Sex <- as.factor(titanic_train$Sex)

    titanic_train$Embarked <- as.factor(titanic_train$Embarked)

    # Eliminar columnas no necesarias

    titanic_train <- titanic_train[, c("Survived", "Pclass", "Sex", "Age", "SibSp", "Parch", "Fare",
    "Embarked")]

    # Dividir los datos en conjuntos de entrenamiento y prueba

    set.seed(123)

    split <- sample.split(titanic_train$Survived, SplitRatio = 0.7)

    train_data <- subset(titanic_train, split == TRUE)

    test_data <- subset(titanic_train, split == FALSE)

    3.4. Fase 4: Modelado


    Entrenamos un modelo de clasificación utilizando Random Forest.
    # Instalar y cargar el paquete necesario

    install.packages("randomForest")

    library(randomForest)

    # Entrenar el modelo

    modelo <- randomForest(Survived ~ ., data = train_data, ntree = 100)

    # Resumen del modelo

    print(modelo)
    3.5. Fase 5: Evaluación
    Evaluamos el rendimiento del modelo.
    # Realizar predicciones en el conjunto de prueba

    predicciones <- predict(modelo, newdata = test_data)

    # Calcular la precisión

    precision <- sum(predicciones == test_data$Survived) / nrow(test_data)

    print(paste("Precisión:", precision))

    # Matriz de confusión

    table(Predicted = predicciones, Actual = test_data$Survived)

    3.6. Fase 6: Despliegue


    Guardamos el modelo para su uso en producción.
    # Guardar el modelo

    saveRDS(modelo, file = "modelo_random_forest_titanic.rds")

    # Cargar el modelo guardado

    modelo_desplegado <- readRDS("modelo_random_forest_titanic.rds")

    # Predicción con el modelo desplegado

    nuevas_predicciones <- predict(modelo_desplegado, newdata = test_data)

    3.7. Resumen Completo del Ejemplo en R


    # Fase 1: Comprensión del Negocio

    objetivo_negocio <- "Predecir si un pasajero del Titanic sobrevivió o no basado en diversas


    características."

    criterios_exito <- "El modelo debe tener una precisión mayor al 80% en el conjunto de
    prueba."

    # Fase 2: Comprensión de los Datos

    install.packages("titanic")

    library(titanic)

    data("titanic_train")
    str(titanic_train)

    summary(titanic_train)

    library(ggplot2)

    ggplot(titanic_train, aes(x = factor(Pclass), fill = factor(Survived))) +

    geom_bar() +

    labs(x = "Clase", y = "Cantidad", fill = "Sobrevivió") +

    theme_minimal()

    ggplot(titanic_train, aes(x = Age, fill = factor(Survived))) +

    geom_histogram(binwidth = 5) +

    labs(x = "Edad", y = "Cantidad", fill = "Sobrevivió") +

    theme_minimal()

    # Fase 3: Preparación de los Datos

    titanic_train$Age[is.na(titanic_train$Age)] <- median(titanic_train$Age, na.rm = TRUE)

    titanic_train$Pclass <- as.factor(titanic_train$Pclass)

    titanic_train$Sex <- as.factor(titanic_train$Sex)

    titanic_train$Embarked <- as.factor(titanic_train$Embarked)

    titanic_train <- titanic_train[, c("Survived", "Pclass", "Sex", "Age", "SibSp", "Parch", "Fare",
    "Embarked")]

    set.seed(123)

    library(caTools)

    split <- sample.split(titanic_train$Survived, SplitRatio = 0.7)

    train_data <- subset(titanic_train, split == TRUE)

    test_data <- subset(titanic_train, split == FALSE)

    # Fase 4: Modelado

    install.packages("randomForest")

    library(randomForest)
    modelo <- randomForest(Survived ~ ., data = train_data, ntree = 100)

    print(modelo)

    # Fase 5: Evaluación

    predicciones <- predict(modelo, newdata = test_data)

    precision <- sum(predicciones == test_data$Survived) / nrow(test_data)

    print(paste("Precisión:", precision))

    table(Predicted = predicciones, Actual = test_data$Survived)

    # Fase 6: Despliegue

    saveRDS(modelo, file = "modelo_random_forest_titanic.rds")

    modelo_desplegado <- readRDS("modelo_random_forest_titanic.rds")

    nuevas_predicciones <- predict(modelo_desplegado, newdata = test_data)

    También podría gustarte