-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathproject.R
199 lines (166 loc) · 5.17 KB
/
project.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
#### Projeto Supervisionado - an�lise de origem de aquisi��o dos clientes
library(readxl)
library(Hmisc)
library(car)
library(Rcmdr)
library(RcmdrMisc)
library(ggplot)
library(ggplot2)
library(readr)
library(base)
library(MASS)
library("statmod")
## Leitura dos dados
data = readRDS("C:\\Users\\leonardo\\Desktop\\FACULDADE\\2019\\2 SEMESTRE\\PROJETO SUPERVISIONADA\\pink.RDS")
### TRATAMENTO DOS DADOS ###
i = 1
j = 0
data$Origem <- data$`Origem/M�dia`
for (i in 1:148554){
if (data$`Origem/M�dia`[i] == "google / cpc"){
data$Origem[i] = 1
j = j + 1
}else if (data$`Origem/M�dia`[i] == "google / organic"){
data$Origem[i] = 1
j = j + 1
}else{
data$Origem[i] = 0
}
}
data$Origem = as.factor(data$Origem)
data$`Origem/M�dia` <- NULL
i = 1
data$Dispositivo <- data$`Categoria Dispositivo`
for (i in 1:148554){
if (data$`Categoria Dispositivo`[i] == "desktop"){
data$Dispositivo[i] = 1
}
else{
data$Dispositivo[i] = 0
}
}
data$Dispositivo = as.factor(data$Dispositivo)
i = 1
data$Tipo <- data$`Tipo de Usu�rio`
for (i in 1:148554){
if (data$`Tipo de Usu�rio`[i] == "Returning Visitor"){
data$Tipo[i] = 1
}
else{
data$Tipo[i] = 0
}
}
data$Tipo = as.factor(data$Tipo)
## dados filtrados e pronto ###
data_raw <- data
data <- as.data.frame(data_raw[,c(6,7,8,9,10)])
## Divis�o dos Dados
set.seed(100)
data <- na.omit(data)
summary(data)
ran <- sample(1:nrow(data), 0.7 * nrow(data))
treino <- data[ran,]
teste <- data[-ran,]
data_target_treino <- data[ran,3]
data_target_teste <- data[-ran,3]
##### PRIMEIRO MODELO - TODAS AS COVARI�VEIS ########
mod_todos <- glm(treino$Origem ~ . , data = treino, family = binomial)
summary(mod_todos)
anova(mod_todos, test = "Chisq")
library(car)
vif(mod_todos)
pred <- predict(mod_todos, fun = predict, index = 4, newdata = teste[,-4], type = 'response')
round(pred,5)
require(pROC)
install.packages("pROC")
predroc1 <- roc(teste$Origem, pred, percent = TRUE)
c1 <- coords(predroc1, 'best'); c1
par(mfrow= c(1,1))
plot(predroc1,asp = 0.5, main = "Curva ROC - Modelo MLG Comum", ylab = "Sensibilidade (%)", xlab ="1 - Especificidade (%)")
OR1=exp(mod_todos$coefficients);OR1
ICbeta1=confint.default(mod_todos,level=0.95);ICbeta1
ICOR1=exp(ICbeta1);ICOR1
round((cbind(OR1, ICOR1)),3)
par(mfrow = c(2,2))
plot(mod_todos)
plot(fitted(mod_todos), qresiduals (mod_todos))
qqnorm(qresiduals (mod_todos), distribution = qnorm)
### Tabela de confus�o e medidas de performance preditiva.
class1 <- ifelse(pred > 0.7463401, 1, 0)
tabcruz <- table(class1, teste$Origem)
tabcruz
ac <- sum(diag(tabcruz))/nrow(teste); ac ### Acur�cia.
s <- tabcruz[2,2]/(tabcruz[1,2] + tabcruz[2,2]); s ### Sensibilidade.
e <- tabcruz[1,1]/(tabcruz[1,1] + tabcruz[2,1]); e ### Especificidade
## modelo com stepwise
step.model <- stepAIC(mod_todos,direction = 'both', trace = FALSE)
summary(step.model)
anova(step.model, test = "Chisq")
vif(step.model)
pred2 <- predict(step.model, newdata = treino)
round(pred2,5)
require(pROC)
install.packages("pROC")
predroc2 <- roc(treino$Origem, pred2, percent = TRUE)
c2 <- coords(predroc2, 'best'); c2
par(mfrow= c(1,1))
plot(predroc1)
OR2=exp(mod_sig$coefficients);OR2
ICbeta2=confint.default(mod_sig,level=0.95);ICbeta2
ICOR2=exp(ICbeta2);ICOR2
round((cbind(OR2, ICOR2)),3)
par(mfrow = c(2,2))
plot(mod_sig)
### modelo quadr�tico
mod_sig <- glm(treino$Origem ~ .^2,data = treino, family = binomial)
summary(mod_sig)
anova(mod_sig, test = "Chisq")
vif(mod_sig)
pred2 <- predict(mod_sig, newdata = treino)
round(pred2,5)
require(pROC)
install.packages("pROC")
predroc2 <- roc(treino$Origem, pred2, percent = TRUE)
c1 <- coords(predroc2, 'best'); c1
par(mfrow= c(1,1))
plot(predroc2,asp = 0.5, main = "Curva ROC - Modelo MLG Comum", ylab = "Sensibilidade (%)", xlab ="1 - Especificidade (%)")
OR2=exp(mod_sig$coefficients);OR2
ICbeta2=confint.default(mod_sig,level=0.95);ICbeta2
ICOR2=exp(ICbeta2);ICOR2
round((cbind(OR2, ICOR2)),3)
par(mfrow = c(2,2))
plot(mod_sig)
#### KNN ###
library(class)
pr <- class::knn(treino,teste,cl=data_target_treino,k=2, prob = TRUE, use.all = FALSE)
tab <- table(pr,data_target_teste)
tab
accuracy <- function(x){sum(diag(x)/(sum(rowSums(x)))) * 100}
prob <- accuracy(tab)
### Calculando para a ROC curve ###
prob <- attr(pr, "prob")
prob <- 2*ifelse(pr == "-1", 1-prob, prob) - 1
install.packages("ROCR")
library(ROCR)
y <- as.vector(pr, mode = "numeric")
y_teste <- as.vector(data_target_teste, mode = "numeric")
pred_knn<-prediction(y,y_teste)
pred_knn <- performance(pred_knn, "tpr", "fpr")
par(mfrow = c(1,1))
plot(pred_knn, avg= "threshold", lwd=3)
## Plot de acur�cia pelo k ##
i=1
k.optm=1
for (i in 1:20){
knn.mod <- knn(train=treino, test = teste, cl=data_target_treino, k=i)
k.optm[i] <- 100 * sum(data_target_teste == knn.mod)/NROW(data_target_teste)
k=i
cat(k,'=',k.optm[i],'')
}
ggplot(k.optm, type="b", xlab="K",ylab="Acur�cia", scale_x_continuous(breaks = round(seq(min(k.optm), max(k.optm), by = 0.5),1)),scale_y_continuous(breaks = round(seq(min(dat$y), max(dat$y), by = 0.5),1)))
## k escolhido - 3
pr <- knn(treino,teste,cl=data_target_treino,k=3)
tab <- table(pr,data_target_teste)
tab
accuracy <- function(x){sum(diag(x)/(sum(rowSums(x)))) * 100}
accuracy(tab)