ProyectoPRESENTACIONShiny.Rmd

---
title: "Proyecto de Mineria de Datos"
author: "Carlos Castillo, Dunitt Monagas"
date: "April 18, 2017"
output: ioslides_presentation
logo: ./img/logo.jpg
runtime: shiny
---

#Voice Gender Recognition

## Introduccion

La voz es uno de los rasgos mas caracteristicos de cada persona, y muchas veces nos permite distinguir el sexo de alguien dadas las caracteristicas acusticas de su voz. Cabria entonces preguntarse: ?Podria una maquina hacer lo mismo con una precision aceptable?

## Problema

Se cuenta con un dataset de entrenamiento para obtener un modelo de clasificacion que permita hacer reconocimiento del sexo dadas las caracteristicas acusticas de la voz adulta.

- El dataset de entrenamiento contiene 3168 instancias y 21 parametros (columnas).

De forma general, cada instancia consiste en un vector caracteristico que contiene 20 parametros.

## Problema (1/2)

Los parametros descritos son:
  - Frecuencia media (en kHz)
  - Desviacion estandar de la frecuencia
  - Frecuencia de la Mediana (en kHz)
  - Primer cuantil (en kHz)
  - Tercer cuantil (en kHz)
  - Rango intercuantil (en kHz)
  - Oblicuidad
  - Curtosis
  - Entropia Espectral
  - Llanura espectral
  - Frecuencia Modal

## Problema (2/2)
  - Centroide de la Frecuencia
  - Pico de frecuencia
  - Promedio de la frecuencia fundamental medido a traves de la se?al acustica
  - Minima frecuencia fundamental medida a traves de la se?al acustica
  - Maxima frecuencia fundamental medida a traves de la se?al acustica
  - Promedio de la frecuencia dominante medido a traves de la se?al acustica
  - Minima frecuencia dominante medida a traves de la se?al acustica
  - Maxima frecuencia dominante medida a traves de la se?al acustica
  - Rango de la frecuencia dominante medido a traves de la se?al acustica
  - Indice de modulacion
  - Etiqueta
  
## Solucion 

Cargamos los paquetes y librerias necesarios para la ejecucion.
```{r echo=FALSE}
library(shiny)
library(rpart.plot)
library(rmarkdown)
library(class)
library(randomForest)
library(foreach)
library(caret)
library(e1071)
library(rpart)
library(tree)
library(RWeka)
library(party)
library(C50)
library(shinythemes)
library(ggvis)
```

## 

Creamos una particion del dataset de Entrenamiento, quitandole las clases y usadolo como dataset de Prueba.

##

- Obtenemos los datos
```{r}
data = read.csv(file="./data/voice.csv", header=TRUE)
```

- Particionamos la data en Entrenamiento y Prueba
```{r}
particion <- createDataPartition(y = data$label, p = 0.7, list = FALSE, times = 1)
dataTraining <- data[particion,]
dataTest <- data[-particion,]
dataTestF <- dataTest
dataTestF$label <- NULL
```

## Tecnicas de Clasificacion
Probamos diferentes tecnicas para obtener un criterio de escogencia comparandolas en funcion del porcentaje de acierto que arrojaron. 

###Empecemos:

#---------------------------------------K vecinos-------------------------------------
##K Vecinos
Utilizamos como numero de vecinos K=3 para el criterio del algoritmo.
```{r}
cl <- dataTraining$label
knnTraining <- dataTraining
knnTraining$label <- NULL
kvecinos = knn(knnTraining, dataTestF, cl, k = 3)
A1 = confusionMatrix(table(kvecinos,dataTest$label))
```
Porcentaje de acierto: `r A1$overall[1]`

##K Vecinos
```{r echo=FALSE}
A1
```

#---------------------------------------J48-------------------------------------
##arbol de decision J48
El factor de confidencia utilizado es 0.25 y el minimo numero de instancias por hoja es 2.
```{r}
arbol <- J48(label~., dataTraining, control = Weka_control(C = 0.25, M = 2))
A2 <- confusionMatrix(table(predict(arbol, dataTestF, type = "class"), dataTest$label))
```
Porcentaje de acierto: `r A2$overall[1]`

##arbol de decision J48
```{r echo=FALSE}
A2
```

#-------------------------------------Random Forest------------------------------------
##Random Forest (Bosque aleatorio)
Configuramos el numero maximo de arboles en 20 y su profundidad ilimitada.
```{r}
tree <- randomForest(label~., dataTraining, importance = TRUE, proximity = TRUE,  ntree = 20, norm.votes = FALSE)
A3 <- confusionMatrix(table(predict(tree, dataTestF, type = "class"), dataTest$label))

```
Porcentaje de acierto: `r A3$overall[1]`

##Random Forest (Bosque aleatorio)
```{r echo=FALSE}
A3
```

#----------------------------------Maquina de Soporte Vectorial---------------------------------
##Maquina de soporte vectorial (SVM)
El parametro cost utilizado es 62.5, el gamma para el kernel es 0.5, y la tolerancia del criterio de terminacion (Epsilon) es 0.001
```{r}
svm.model <- svm(label~.,dataTraining,cost=62.5,gamma=0.5)
A4= confusionMatrix(table(predict(svm.model,dataTestF,type="class"),dataTest$label))
```
Porcentaje de acierto: `r A4$overall[1]`

##Maquina de soporte vectorial (SVM)
```{r echo=FALSE}
A4
```

#----------------------------------Naive Bayes---------------------------------
##Naive Bayes
El parametro de Laplace que utilizamos es 3
```{r}
naiveBayes<- naiveBayes(label~., dataTraining, laplace = 3)
A5 <- confusionMatrix(table(predict(naiveBayes, dataTestF, type = "class"), dataTest$label))
```
Porcentaje de acierto: `r A5$overall[1]`

##Naive Bayes
```{r echo=FALSE}
A5
```

## Resultados

Comparamos los 5 escenarios con su respectivo porcentaje de acierto:

Tecnica      	|     Precision   |
------------ 	|:---------------:|
K Vecinos    	|`r A1$overall[1]`|
J48          	|`r A2$overall[1]`|
Random Forest	|`r A3$overall[1]`|
SVM          	|`r A4$overall[1]`|
Naive Bayes  	|`r A5$overall[1]`|

Y preferimos quedarnos con el algoritmo que posee los mejores resultados.