Ejercicio práctico de transformación de variables con R

Contenido del Bootcamp Dirigido por: | Última modificación: 18 de abril de 2024 | Tiempo de Lectura: 3 minutos

Algunos de nuestros reconocimientos:

Premios KeepCoding

En este post veremos un ejercicio práctico de transformación de variables con R por medio de un ejemplo con el hormigón.

Desarrollo de ejercicio práctico de transformación de variables con R

In [58]: concrete <- read.csv ("data/Concrete_Data.csv",
col.names = c ("cemento", "escoria", "cenizas", "agua", "plastificante", "aggrueso", "agfino", "edad", "resistencia"))
head (concrete)
Ejercicio práctico de transformación de variables con R: tabla 1

En este ejercicio práctico de transformación de variables con R dividimos entre train y test.

Vamos a calcular un modelo que sea la resistencia, el cemento, la escoria, las cenizas, el agua, el plastificante, el ag. grueso, el ag. fino y la edad.

In [59]: set.seed(123)
idx <- sample (1:nrow (concrete), nrow (concrete) * 0.7)
concrete_train.df <- concrete [idx, ]
concrete_test.df <- concrete [- idx, ]

In [60] : #model_concrete <- lm (resistencia ~ cemento + escoria + cenizas + agua + plastificante + aggrueso + agfino + edad, concrete_train.df)
model_concrete <- lm (resistencia ~ cemento + escoria + cenizas + agua + plastificante + aggrueso + agfino + edad, concrete_train.df)
summary(model concrete)
resultado 1
Tenemos aquí nuestro modelo

Vamos a aplicar el box cox. Recuerda poner el MASS: :boxcos, en caso de que la librería no haya cargado.

In [61]: bx <- MASS: :boxcox (model_concrete, lambda = seq (-1, 2, length.out = 100))
gráfica 1

Tenemos otra vez el valor de lambda en la gráfica de nuestro ejercicio práctico de transformación de variables con R.

Creamos dos funciones: la de transformar y la de detransformar.

In (62): l <- bx$x [which.max (bx$y)]
#con esta función transformamos
my_transform <- function (y, l) {
(y ^ l - l) / l
#y con esta detransformamos
my_inv_transform <- function (x, l) {

(x * l + 1) ^ (1 / l)
}
l

0.727272727272727

In [63] : concrete_transformed.train <- concrete_train.df concrete_transformed.train$resistencia_tr <-my_transform (concrete_train.df$resistencia, l)

model_concrete_tre <- lm (resistencia_tr ~ cemento + escoria + cenizas + agua + plastificante + aggrueso + agfino + edad, concrete_transformed.train)
summary (model_concrete_tr)
resultado 2
In [64] : par( mfrow = c (1, 2))
qqnorm (y = concrete_transformed.train$resistencia, cex = 0.1) qqline (y = concrete_transformed.train$resistencia, cex = 0.1, col = "red")

qqnorm (y = concrete_transformed.train$resistencia_tr, cex = 0.1)
qqline (y = concrete_transformed.train$resistencia_tr, cex = 0.1, col = "red")
gráficas 2

Los datos de los residuos no siguen en absoluto una distribución gaussiana. Los transformados sí siguen este tipo de distribución.

In [65] : par (mfrow = c (1, 2))
qqnorm (y = model_concrete$residuals, cex = 0.1)
qqline (y = model_concrete$residuals, cex = 0.1, col = "red")

qqnorm (y = model_concrete_tr$residuals, cex = 0.1)
qqline (y = model_concrete_tr$residuals, cex = 0.1, col = "red")
gráficas 3

Con los residuos del modelo lo que ocurre es que también los transformados siguen un poco más la distribución gaussiana.

Haremos un modelo para calcular cómo sería el R2 con las nuevas muestras de testing:

In [66] : pred_train <- concrete_transformed.train [ , c ("resistencia_tr")]

In [67] : concrete_transformed.test <- concrete_test.df concrete_transformed.test$resistencia_tr <- my_transform (concrete_test.df$resistencia, l)
concrete_transformed.test$pred_tr <- predict (model_concrete_tr, concrete_transformed.test)
concrete_transformed.tests@red <-my_inv_transform (concrete_transformed.test$pred_tr, l)

with (concrete_transformed.test, {

print (caret::postResample (resistencia_tr, pred_tr))
print (caret::postResample (resistencia, pred))
plot (resistencia_tr, resistencia _tr - pred_tr)
plot (resistencia, resistencia - pred)
})

RMSE: 4.2747521

Rsquared: 0.5821341

MAE: 3.4317847

RMSE: 11.6336432

Rsquared: 0.5624026

MAE: 9.1334637

gráfica 4
gráfica 5

El resultado del ejercicio práctico de transformación de variables con R no cambia mucho, pero sirve para ver cómo funciona este procedimiento.

¿Qué sigue?

Ahora que sabes cómo funcionan las transformaciones de variables, puedes seguir aprendiendo gracias a nuestro Big Data, Inteligencia Artificial & Machine Learning Full Stack Bootcamp, en el que, en muy poco tiempo, podrás aprender todo lo necesario para incursionar en el mercado laboral. ¡Entra y descubre el programa!

Posts más leídos

¡CONVOCATORIA ABIERTA!

Big Data, IA & Machine Learning

Full Stack Bootcamp

Clases en Directo | Profesores en Activo | Temario 100% actualizado