Video: Genetic Engineering Will Change Everything Forever – CRISPR 2025
En annen oppgave i prediktiv analyse er å klassifisere nye data ved å forutsi hvilken klasse et målelement av data tilhører, gitt et sett med uavhengige variabler. Du kan for eksempel klassifisere en kunde etter type - si som en høyverdig kunde, en vanlig kunde eller en kunde som er klar til å bytte til en konkurrent - ved å bruke et beslutningstreet.
For å se noen nyttige opplysninger om R Klassifiseringsmodellen, skriv inn følgende kode:
Klassekolonnen forteller deg at du har opprettet et beslutningstreet. For å se hvordan splittelsene blir bestemt, kan du bare skrive inn navnet på variabelen der du tildelte modellen, i dette tilfellet modell, slik: >> modell Betinget innfallstreet med 6 terminale noder Svar: seedType Inputs: område, omkrets, kompaktitet, lengde, bredde, asymmetri, lengde2 Antall observasjoner: 147 1) område <= 16 2; kriterium = 1, statistikk = 123. 423 2) område <= 13. 37; kriterium = 1, statistikk = 63. 549 3) lengde2 4. 914 5) * Vekter = 45 2) Område> 13. 37 6) Lengde2 5. 396 8) * Vekter = 8 1) Område> 16 2 9) Lengde2 5. 877 11) * Vekter = 40
Enda bedre, du kan visualisere modellen ved å lage et plott av beslutningstreet med denne koden:> plot (modell)
Dette er en grafisk fremstilling av et beslutningstreet. Du kan se at den generelle formen etterligner et ekte tre. Den er laget av
noder
(sirkler og rektangler) og koblinger eller kanter (tilkoblingslinjene). Den aller første noden (starter øverst) kalles rotnoden, og noderne nederst på treet (rektangler) kalles terminale noder . Det er fem beslutningsnoder og seks terminale noder.
Start ved rotnoden, som er node 1 (tallet vises i det lille firkanten øverst i sirkelen). Bestem basert på attributtet: Er observasjon nr. 2 mindre enn eller lik (angitt av <=) 16.2? svaret er ja, så beveg deg langs banen til knutepunkt 2.
På knutepunkt 2 spør modellen: Er området 13. 37? Svaret er ja, så beveg deg langs banen til knutepunkt 6. Ved denne knutepunktet spør modellen: Er lengden2 <= 5.396? det er, og du flytter til terminal node 7 og dommen er at observasjon nr. 2 er av frø type 1. Og det er faktisk frø type 1.
-
Modellen gjør det for alle andre observasjoner å forutsi deres klasser.
-
For å finne ut om du har trent en god modell, sjekk den mot treningsdataene. Du kan se resultatene i et bord med følgende kode: >> tabell (forutse (modell), trainSet $ seedType) 1 2 3 1 45 4 3 2 3 47 0 3 1 0 44
Resultatene viser at feilen (eller feilklasse) er 11 av 147 eller 7. 48 prosent.
-
Med resultatene beregnet, er neste trinn å lese tabellen.
De riktige spådommene er de som viser kolonne- og radnummer som det samme. Disse resultatene vises som en diagonal linje fra øverst til venstre til nederst til høyre; for eksempel [1, 1], [2, 2], [3, 3] er antall korrekte spådommer for den aktuelle klassen.
Så for frø type 1, forutsigte modellen det 45 ganger, mens misclassifying frøet 7 ganger (4 ganger som frø type 2 og 3 ganger som type 3). For frø type 2, forutsigte modellen det 47 ganger, mens det ble klassifisert 3 ganger. For frøtype 3 forutspådde modellen det riktig 44 ganger, mens det bare ble klassifiseres én gang.
-
Dette viser at dette er en god modell. Så nå vurderer du det med testdataene. Her er koden som bruker testdataene til å forutse og lagre den i en variabel (testPrediction) for senere bruk: >> testPrediction <- predict (model, newdata = testSet)
For å evaluere hvordan modellen utføres med test data, se den i et bord og beregne feilen, som koden ser slik ut: >> tabell (testPrediction, testSet $ seedType) testPrediction 1 2 3 1 23 2 1 2 1 19 0 3 1 0 17
