Drzewa klasyfikacyjne - Hemoglobina

Nasza ocena:

5
Wyświetleń: 1008
Komentarze: 0
Notatek.pl

Pobierz ten dokument za darmo

Podgląd dokumentu
Drzewa klasyfikacyjne - Hemoglobina - strona 1

Fragment notatki:

Drzewa klasyfikacyjne  Dla  danych  dane.csv  (z  modeli  liniowych  i  mieszanych)  skonstruować  drzewo  klasyfikacyjne,  gdzie  liśćmi będzie miejsce hospitalizacji, natomiast korzeniami płeć, wiek oraz poziom hemoglobiny.     drzewo=rpart(szpital~Wiek+Płeć+Anemia,data=dane,cp=0.005, minsplit=10)    plot(drzewo,branch=0.7)    text(drzewo,use.n=T)  Następnie wykonać następujące polecenia.    1)  Wybrać optymalną wartość współczynnika złożoności, przy pomocy funkcji    plotcp(drzewo)  i wyznaczyć ponownie drzewo z uzyskaną wartością współczynnika złożoności.    2)  Wybrać drzewo optymalne przy pomocy metody kros-walidacji    for (i in 1:n) {    drzewo.i=rpart(szpital~Płeć+Wiek+Hemoglobina,data=dane[-c(i),],cp=0.005,minsplit=10)    pred=predict(drzewo.i,newdata=dane[c(i),],type="class")    if (pred==dane$szpital[i]) popr.klas[i]=1    }    popr.klas    3)  Następnie  oszacować  ułamek  poprawnych  klasyfikacji  oraz  błąd  klasyfikacji  na  podstawie  kros-walidacji    upk=sum(popr.klas)/n    bl.cv=1-upk    4)  Porównać  wartości  z  zadania  nr  3  dla  drzewa  ze  współczynnikiem  złożoności=0.005.  Które  drzewo jest lepsze?    5)  Do której z klas należałby mężczyzna w wieku 74 lat z poziomem hemoglobiny 13.29?     new.dane=as.data.frame(matrix(c(1,74,13.29),1,3))    names(new.dane)=c("Płeć","Wiek","Hemoglobina")     predict(drzewo,new.dane,type="class")    6)  Maksymalnie w trzy-osobowych grupach roboczych opisać i zinterpretować uzyskane wyniki.    ... zobacz całą notatkę



Komentarze użytkowników (0)

Zaloguj się, aby dodać komentarz