Minería de datos Dr. Francisco J. Mata

Presentación del tema: "Minería de datos Dr. Francisco J. Mata"— Transcripción de la presentación:

1 Minería de datos Dr. Francisco J. Mata
Tema 9 Parte práctica Árboles de decisión Minería de datos Dr. Francisco J. Mata

2 Árboles de decisión en SQL 2008 Analysis Services
Algoritmo híbrido Pureza: entropia por defecto (C4.5) Clasificación y regresión (CART) Outputs categóricos o continuos Minería de datos Dr. Francisco J. Mata

3 Minería de datos Dr. Francisco J. Mata
Ejemplo Output Purchase Bike Input Age Cars Children Commute Distance Education Gender Home Owner Income Marital Status Occupation Region Table Analysis Tool Sample SQL 2005 Analysis Services Excel Add-ins Minería de datos Dr. Francisco J. Mata

4 Árbol de decisión 3 niveles
Minería de datos Dr. Francisco J. Mata

5 Árbol de decisión (VISIO)
Minería de datos Dr. Francisco J. Mata

6 Minería de datos Dr. Francisco J. Mata
Dependencias Minería de datos Dr. Francisco J. Mata

7 Minería de datos Dr. Francisco J. Mata
Dependencias (VISIO) Minería de datos Dr. Francisco J. Mata

8 Resultados clasificación
Clasificado 1 Clasificado 0 Realmente 1 Verdadero positivo Falso negativo Realmente 0 Falso positivo Verdadero negativo Minería de datos Dr. Francisco J. Mata

9 Minería de datos Dr. Francisco J. Mata
Matriz de confusión Falso negativo Falso positivo Minería de datos Dr. Francisco J. Mata

10 Gráfico de precisión (ROC)
ROC: “receiving operating characteristics” A veces llamado como “lift chart” Despliega la sensitividad del modelo Verdaderos positivos entre el total de positivos reales por deciles Requiere una variable binaria Minería de datos Dr. Francisco J. Mata

11 Gráfico de precisión (ROC) para Purchase Bike=Yes
Lift=SUM(Table10[Classify Purchased Bike])/SUM(Table10[Percentile])=115,82% Minería de datos Dr. Francisco J. Mata

12 Gráfico de ganancia para Purchase Bike=Yes
Minería de datos Dr. Francisco J. Mata

13 Gráfico de ganancia para Purchase Bike=Yes
Minería de datos Dr. Francisco J. Mata

14 Reglas para Purchase Bike=Yes con umbral de probabilidad de 60,74%
Age >= 32 and < 39 (68,42% correcto) Age >= 39 and Cars = 1 (60,74% correcto) Minería de datos Dr. Francisco J. Mata