Clasificación en Programación R

R es un lenguaje de programación muy dinámico y versátil para la ciencia de datos. Este artículo trata sobre la clasificación en R. Generalmente, los clasificadores en R se utilizan para predecir información relacionada con categorías específicas, como reseñas o calificaciones, como bueno, mejor o peor.
Varios clasificadores son: 
 

• Árboles de decisión
• Clasificadores Naive Bayes
• Clasificadores K-NN
• Máquinas de vectores de soporte (SVM)

Clasificador de árboles de decisión

Básicamente es un gráfico para representar opciones. Los Nodes o vértices del gráfico representan un evento y los bordes del gráfico representan las condiciones de decisión. Su uso común es en aplicaciones de Machine Learning y Data Mining.
Aplicaciones: 
Clasificación de correo electrónico no deseado/no deseado, predicción de si un tumor es canceroso o no. Por lo general, un modelo se construye con datos anotados, también llamados conjuntos de datos de entrenamiento. Luego, se utiliza un conjunto de datos de validación para verificar y mejorar el modelo. R tiene paquetes que se utilizan para crear y visualizar árboles de decisión. 
El paquete R «party» se usa para crear árboles de decisión. 
Dominio: 

install.packages("party")

# Load the party package. It will automatically load other
# dependent packages.
library(party)
 
# Create the input data frame.
input.data <- readingSkills[c(1:105), ]
 
# Give the chart file a name.
png(file = "decision_tree.png")
 
# Create the tree.
  output.tree <- ctree(
  nativeSpeaker ~ age + shoeSize + score,
  data = input.dat)
 
# Plot the tree.
plot(output.tree)
 
# Save the file.
dev.off()

Producción: 
 

null device 
          1 
Loading required package: methods
Loading required package: grid
Loading required package: mvtnorm
Loading required package: modeltools
Loading required package: stats4
Loading required package: strucchange
Loading required package: zoo

Attaching package: ‘zoo’

The following objects are masked from ‘package:base’:

   as.Date, as.Date.numeric

Loading required package: sandwich

Clasificador bayesiano ingenuo

La clasificación Naïve Bayes es un método de clasificación general que utiliza un enfoque de probabilidad, por lo que también se conoce como enfoque probabilístico basado en el teorema de Bayes con la suposición de independencia entre las características. El modelo está entrenado en un conjunto de datos de entrenamiento para hacer predicciones mediante la función predict() .
Fórmula: 
 

P(A|B)=P(B|A)×P(A)P(B)

Es un método de muestra en los métodos de aprendizaje automático, pero puede ser útil en algunos casos. El entrenamiento es fácil y rápido que solo requiere considerar cada predictor en cada clase por separado.
Aplicación: 
Se utiliza generalmente en análisis sentimental. 
 

library(caret)
## Warning: package 'caret' was built under R version 3.4.3
set.seed(7267166)
trainIndex = createDataPartition(mydata$prog, p = 0.7)$Resample1
train = mydata[trainIndex, ]
test = mydata[-trainIndex, ]
 
## check the balance
print(table(mydata$prog))
##
## academic    general vocational
## 105         45         50
print(table(train$prog))

Producción: 
 

## Naive Bayes Classifier for Discrete Predictors
## 
## Call:
## naiveBayes.default(x = X, y = Y, laplace = laplace)
## 
## A-priori probabilities:
## Y
##   academic    general vocational 
##  0.5248227  0.2269504  0.2482270 
## 
## Conditional probabilities:
##             science
## Y                [, 1]     [, 2]
##   academic   54.21622 9.360761
##   general    52.18750 8.847954
##   vocational 47.31429 9.969871
## 
##             socst
## Y                [, 1]      [, 2]
##   academic   56.58108  9.635845
##   general    51.12500  8.377196
##   vocational 44.82857 10.279865

Clasificador K-NN

Otro clasificador utilizado es el clasificador K-NN. En el reconocimiento de patrones, el algoritmo del vecino más cercano k (k-NN) es un método no paramétrico generalmente utilizado para clasificación y regresión. En ambos casos, la entrada consta de los k ejemplos de entrenamiento más cercanos en el espacio de características. En la clasificación k-NN, la salida es una pertenencia a una clase. 
Aplicaciones: 
se utiliza en una variedad de aplicaciones, como pronósticos económicos, compresión de datos y genética.
Ejemplo: 
 

# Write Python3 code here
import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
from sklearn.datasets import load_breast_cancer
from sklearn.metrics import confusion_matrix
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
import seaborn as sns
sns.set()
breast_cancer = load_breast_cancer()
X = pd.DataFrame(breast_cancer.data, columns = breast_cancer.feature_names)
X = X[['mean area', 'mean compactness']]
y = pd.Categorical.from_codes(breast_cancer.target, breast_cancer.target_names)
y = pd.get_dummies(y, drop_first = True)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state = 1)
sns.scatterplot(
    x ='mean area',
    y ='mean compactness',
    hue ='benign',
    data = X_test.join(y_test, how ='outer')
)

Producción: 
 

Máquinas de vectores de soporte (SVM)

Una máquina de vectores de soporte (SVM) es un algoritmo de aprendizaje automático binario supervisado que utiliza algoritmos de clasificación para problemas de clasificación de dos grupos. Después de proporcionar a un modelo SVM conjuntos de datos de entrenamiento etiquetados para cada categoría, pueden categorizar el texto nuevo.
Principalmente SVM se utiliza para problemas de clasificación de texto. Clasifica los datos no vistos. Es ampliamente utilizado que Naive Bayes. SVM id suele ser un algoritmo de clasificación rápido y fiable que funciona muy bien con una cantidad limitada de datos.
Aplicaciones: 
las SVM tienen una serie de aplicaciones en varios campos como la bioinformática, para clasificar genes, etc.
Ejemplo: 
 

# Load the data from the csv file
dataDirectory <- "D:/" # put your own folder here
data <- read.csv(paste(dataDirectory, 'regression.csv', sep =""), header = TRUE)
 
# Plot the data
plot(data, pch = 16)
 
# Create a linear regression model
model <- lm(Y ~ X, data)
 
# Add the fitted line
abline(model)

Producción: