Ah, me acabo de dar cuenta que ya habías respondido a lo del LOOV...
Sí, para guardar la categoría simplemente tienes que guardar la predicción
como "character()".
Como ejemplo:
#
library(rpart)
data <- iris
preds <- {}
for (i in 1:nrow(data)) {
print(i)
training <-
Hola Carlos ¿sabes tú qué se puede hacer para que añada la categoría
en vez del nº al que corresponde?
Quoting Carlos Ortega :
Es una forma de hacer el LOOV (Leave One Out Validation).
Saludos,
Carlos Ortega
www.qualityexcellence.es
El mar., 19 feb. 2019 a las 12:45, Manuel Mendoza ()
Es una forma de hacer el LOOV (Leave One Out Validation).
Saludos,
Carlos Ortega
www.qualityexcellence.es
El mar., 19 feb. 2019 a las 12:45, Manuel Mendoza ()
escribió:
> Bueno, creo que no contesté tu pregunta. Con training <- data[-i, ]
> crea una df llamada training, sin la muestra i, que
Bueno, creo que no contesté tu pregunta. Con training <- data[-i, ]
crea una df llamada training, sin la muestra i, que después utiliza
para entrenar el algoritmo.
Quoting Javier Marcuzzi :
Estimado Manuel Mendoza
Con sus datos y a modo de curiosidad, ¿que pasa en training <- data[-i,
Es un leave one out. Con todas las muestras menos una se entrena el
algoritmo, se predice la categoría de la muestra que falta, y se añade
al vector, que finalmente incluye la predicción para todas las
muestras y sin que hayan sido utilizada para entrenar los modelos. Es
especialmente útil
Estimado Manuel Mendoza
Con sus datos y a modo de curiosidad, ¿que pasa en training <- data[-i, ]?
Javier Rubén Marcuzzi
El lun., 18 feb. 2019 a las 19:39, Manuel Mendoza ()
escribió:
> Gracias Jorge. No entiendo bien; la variable objetivo es ya factor. El
> árbol me la predice bien, como
Gracias Jorge. No entiendo bien; la variable objetivo es ya factor. El
árbol me la predice bien, como factor, también. Es al ir construyendo
el vector que lo anota con un nº, según de cuál de las 4 categorías se
trate.
Quoting Jorge I Velez :
Estimado Manuel,
Debes definir ecsta como
Estimado Manuel,
Debes definir ecsta como factor usando, por ejemplo,
factor(ecsta, levels = ...)
antes de ajustar el modelo.
Dale una mirada a
?factor
para má detalles.
Saludos,
Jorge.-
El El lun, 18 de feb. de 2019 a las 1:03 p. m., Manuel Mendoza <
mmend...@mncn.csic.es> escribió:
>
>