Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 43 vistas

    Carrera Ejercicio 5 Random Forest

    Cargado por

    Stalin Camino Ruiz
    El documento presenta los resultados de dos ejercicios prácticos utilizando el algoritmo Random Forest para predecir el tipo de pétalos en flores. En el primer ejercicio, el modelo obtuvo una precisión del 94.87% en la predicción y del 96% utilizando validación cruzada de 4 pliegues. En el segundo ejercicio, se modificó el tamaño del conjunto de evaluación entre 10% y 40%, observando que la precisión disminuye hasta 20% y luego aumenta, indicando que un tamaño de al menos 25% es adecuado.

    Copyright:

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

    Carrera Ejercicio 5 Random Forest

    Cargado por

    Stalin Camino Ruiz
    43 vistas3 páginas
    El documento presenta los resultados de dos ejercicios prácticos utilizando el algoritmo Random Forest para predecir el tipo de pétalos en flores. En el primer ejercicio, el modelo obtuvo una precisión del 94.87% en la predicción y del 96% utilizando validación cruzada de 4 pliegues. En el segundo ejercicio, se modificó el tamaño del conjunto de evaluación entre 10% y 40%, observando que la precisión disminuye hasta 20% y luego aumenta, indicando que un tamaño de al menos 25% es adecuado.

    Título original

    Carrera_Ejercicio_5_Random_Forest

    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?

    El documento presenta los resultados de dos ejercicios prácticos utilizando el algoritmo Random Forest para predecir el tipo de pétalos en flores. En el primer ejercicio, el modelo obtuvo una precisión del 94.87% en la predicción y del 96% utilizando validación cruzada de 4 pliegues. En el segundo ejercicio, se modificó el tamaño del conjunto de evaluación entre 10% y 40%, observando que la precisión disminuye hasta 20% y luego aumenta, indicando que un tamaño de al menos 25% es adecuado.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    43 vistas3 páginas

    Carrera Ejercicio 5 Random Forest

    Cargado por

    Stalin Camino Ruiz
    El documento presenta los resultados de dos ejercicios prácticos utilizando el algoritmo Random Forest para predecir el tipo de pétalos en flores. En el primer ejercicio, el modelo obtuvo una precisión del 94.87% en la predicción y del 96% utilizando validación cruzada de 4 pliegues. En el segundo ejercicio, se modificó el tamaño del conjunto de evaluación entre 10% y 40%, observando que la precisión disminuye hasta 20% y luego aumenta, indicando que un tamaño de al menos 25% es adecuado.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 3

    Materia Información del Estudiante Fecha

    Last name: Carrera Atapuma


    Data Minning 1-NOV-2021
    Name: Carlos

    Ejercicio Práctico 5

    Random Forest

    1 Algoritmo Random_Forest_1

    1.1 Realizar la predicción.

    Para realizar la predicción de tipos de pétalos con el algoritmo Random Forest, se ha


    seleccionado el 70% de los datos para entrenamiento (111 datos) y el 30% para test (39
    datos).

    En la ejecución se ha obtenido una precisión (accuracy) del modelo del 94,87%, es decir
    en la tabla cruzada se observan dos errores entre 39 predicciones, como se observa en la
    tabla 1.

    Tab. 1 Crosstab para cálculo de accuracy

    1.2. Cross-Validation 4-Folds

    Haciendo uso de la función “cross_val_score” de la biblioteca de “sklearn”, se ha realizado


    la validación cruzada con 4 folds, obteniendo una precision calculada del modelo del 96%.
    Las líneas de programación y los resultados se pueden apreciar en la ilustración 1.
    Universidad Politécnica Salesiana - MT/MIT

    Ilustración 1 Cross-Validation 4-Folds

    Digital Communications
    1
    Homework Unit 6
    Materia Información del Estudiante Fecha
    Last name: Carrera Atapuma
    Data Minning 1-NOV-2021
    Name: Carlos

    La desviación standard (0,03) demuestra que los datos están adecuadamente distribuidos,
    permitiendo un cálculo acceptable del accuracy que haciendo uso de la cross validation
    resulta mejor que el calculado a partir de los resultados de predicción con el conjunto de
    evaluación.

    2 Algoritmo Random_Forest_2

    2.1. Visualizar el árbol

    Se observa que es un árbol sumamente grande que dificulta el uso práctico, como se
    aprecia en la ilustración 2 .

    Ilustración 2 Árbol de decision Random Forest

    Para apreciar major, la ilustración 3 muestra únicamente los 3 primeros niveles del árbol
    aleatorio de decisión:

    Ilustración 3 Árbol de decision Random Forest (3 primeros niveles)


    Universidad Politécnica Salesiana - MT/MIT

    Digital Communications
    2
    Homework Unit 6
    Materia Información del Estudiante Fecha
    Last name: Carrera Atapuma
    Data Minning 1-NOV-2021
    Name: Carlos

    2.2 Modificación del tamaño de los conjuntos de evaluación ( de 10% a 40%, step 5%)

    Tamaño Tamaño Error Error Precisión


    conjunto conjunto promedio promedio
    evaluación entrenamiento baseline absoluto
    (grados)
    10% 35 313 5,27 4,2 93,86%
    15% 53 295 5,69 4,05 93,79%
    20% 70 278 5,09 3,89 93,55%
    25% 87 261 5,06 3,87 93,93%
    30% 105 243 5,11 3,84 93,98%
    35% 122 226 5,06 3,8 94%
    40% 140 208 4,85 3,61 94,22%
    Tab. 2 Cálculo de precision con diferentes tamaños de conjunto de evaluación

    Se puede apreciar que desde un 10% de tamaño de conjunto de evaluación, la precision


    disminuye hasta un tamaño del 20% pero a partir del 25% de tamaño del conjunto de
    evaluación, la precision incrementa. Quiere decir que un tamaño adecuado del conjunto
    de evaluación para el presente modelo es de al menos un 25% o mayor.
    Universidad Politécnica Salesiana - MT/MIT

    Digital Communications
    3
    Homework Unit 6

    También podría gustarte