[R-es] Problema con tabla de metadatos

2021-01-22 Por tema Adrian Gonzalez
Buen día estimada comunidad, Actualmente tengo un problema cuando carga mi tabla de metadatos, una vez importada de excel, escribo el siguiente código para preparar mis metadatos para crear mi objeto phyloseq, sin embargo a la hora de realizar esto me elimina la primera columna con los datos de

[R-es] Fwd: weighted random forest

2021-01-22 Por tema Manuel Mendoza
Gracias Jesús, sí, haré remuestreos. Yo suelo usar una función que me pasó un colega: # A function to generate the equal number of samples (n) for different classes bsample <- function(data,cname,n) { d <- data[-c(1:nrow(data)),] u <- unique(data[,cname]) for (uu in u) { w <-

Re: [R-es] weighted random forest

2021-01-22 Por tema Manuel Mendoza
Gracias Carlos, la verdad es que no me lo solucionó, seguramente por falta mía de conocimientos. Haré remuestreo como dice Jesús. El vie, 22 ene 2021 a las 12:46, Carlos Ortega () escribió: > Hola Manuel, > > No dan una respuesta concluyente, pero sí algunas pistas... > > >

Re: [R-es] weighted random forest

2021-01-22 Por tema Jesús Para Fernández
Has probado en usar en vez de algoritmos sensibles al coste, usar t�cnicas de remuestreo? Hay un paquete de la UGR llamado imbalance que funciona muy bien. De: R-help-es en nombre de Manuel Mendoza Enviado: viernes, 22 de enero de 2021 11:43 Para: Lista R

Re: [R-es] weighted random forest

2021-01-22 Por tema Carlos Ortega
Hola Manuel, No dan una respuesta concluyente, pero sí algunas pistas... https://stackoverflow.com/questions/57076570/how-to-calculate-class-weights-for-random-forests Gracias, Carlos Ortega www.qualityexcellence.es El vie, 22 ene 2021 a las 11:43, Manuel Mendoza () escribió: > Buenos días,

[R-es] weighted random forest

2021-01-22 Por tema Manuel Mendoza
Buenos días, tengo una base de datos desequilibrados (unbalanced) en la que las ausencias son 9 veces más abundantes que las presencias (*ratio *= 9). Para árboles de clasificación utilizo una matriz de pérdidas parms=list(loss=matrix(c(0, FP, *ratio *,0)))o un vector de ponderación que le da 9