library(dplyr) library(tidyr) library(tree) library(captchatjsp) library(caret) library(randomForest)
d <- ler(baixar()); desenhar(d) classificar(picotar(limpar(d)), 'zteei', path)
set.seed(123) d_min <- carregar_treino('C:/Users/Athos/Downloads/treino/minusculo/') d_min$letra <- as.factor(d_min$letra) linhas_treino <- sample(nrow(d_min), 0.8*nrow(d_min)) d_treino_min <- d_min[linhas_treino,] d_teste_min <- d_min[-linhas_treino,] d_mai <- carregar_treino('C:/Users/Athos/Downloads/treino/maiusculo/') d_mai$letra <- as.factor(d_mai$letra) d_treino_mai <- d_mai[linhas_treino,] d_teste_mai <- d_mai[-linhas_treino,]
modelo_tree <- tree(letra ~ ., data = select(d_treino, -arq)) cv_tree <- cv.tree(modelo_tree) plot(cv_tree) modelo_tree <- prune.tree(modelo_tree, best = 25) save(d_treino, file = 'data/d_treino.rda') save(modelo_tree, file = 'data/modelo.rda') devtools::document(); devtools::install()
library(doParallel) cl <- makePSOCKcluster(2) registerDoParallel(cl) set.seed(19910401) modelo_rf_min <- train(letra ~ ., data = select(d_treino_min, -arq), method = "rf", tuneLength = 6) modelo_rf_mai <- train(letra ~ ., data = select(d_treino_mai, -arq), method = "rf", tuneLength = 6) modelo_min <- modelo_rf_min$finalModel modelo_mai <- modelo_rf_mai$finalModel d_teste_min$predicao <- predict(modelo_min, d_teste_min, type = "class") d_teste_mai$predicao <- predict(modelo_mai, d_teste_mai, type = "class") d_teste_mai <- d_teste_mai %>% mutate(letra = tolower(letra), predicao = tolower(predicao)) x <- modelo_min$confusion %>% diag w <- modelo_mai$confusion %>% diag sum(x) / sum(modelo_min$confusion[,-length(x)]) sum(w) / sum(modelo_min$confusion[,-length(w)]) y <- d_teste_mai %>% group_by(letra, predicao) %>% summarise(n = n()) %>% ungroup %>% spread(predicao, n, fill=0) %>% data.frame %>% select(-letra) %>% as.matrix sum(diag(y)) / sum(y) z <- d_teste_min %>% group_by(letra, predicao) %>% summarise(n = n()) %>% ungroup %>% spread(predicao, n, fill=0) %>% data.frame %>% select(-letra) %>% as.matrix sum(diag(z)) / sum(z) d <- ler(baixar()) teste <- carregar_teste(d) nm <- names(select(d_treino, -arq, -letra)) teste[, nm[!nm %in% names(teste)]] <- 0 r <- paste0(predicao, collapse = "") r desenhar(d)
set.seed(123) d_min <- carregar_treino('C:/Users/Athos/Downloads/treino/minusculo/') d_min$letra <- as.factor(d_min$letra) linhas_treino <- sample(nrow(d_min), 0.8*nrow(d_min)) d_treino_min <- d_min[linhas_treino,] d_teste_min <- d_min[-linhas_treino,] modelo_min <- modelo_rf_min$finalModel h1 <- scale_x_continuous(breaks = 0:1000*2) h2 <- scale_y_continuous(breaks = 0:1000) d <- ler(baixar()); desenhar(limpar(d)) + h1 + h2; prever(d, d_treino_min, modelo_min)
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.