LinearRegression.Rmd

---
title: 'Tecnica de Prediccion - Modelo de regresion simple'
author: "Anthony Servitá"
date: "5/8/2020"
output: html_document
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```

5.    Modelados de regresión en la variables cuantitativas:
  1.    Creando la data particionada con createdatapartition()
```{r wine}
# Observamos el desbalanceo de datos sobre la variable Alcohol
attach(df)
table(Alcohol)

##  Eliminamos la variables cuyo origen es desconocido
df$none <- NULL
#revisión rapida
glimpse(df)
```
creación de la data partition, para prueba de validación cruzada.

```{r}
# modelo 1: prueba con el paquete caret
indexTraining = createDataPartition(Tono,
                                    p = .80,
                                    list = FALSE, 
                                    times = 1)
# Datos de entrenamiento y de prueba
datatraining = df[indexTraining, ]
datatest = df[-indexTraining, ]
length(datatraining[,11])
length(datatest[,11])
fitcontrol = trainControl(method = "CV", 
                          number = 2)
# El modelo 1, method = lm
DTfit <- train(Tono ~ Malicacid, 
               data = datatraining, 
               method = "lm",
               trControl = fitcontrol)
DTfit


summary(DTfit)

# Extracción de la ecuación de la recta
DTfit$finalModel$coefficients
intercept <- DTfit$finalModel$coefficients[1]
pendiente <- DTfit$finalModel$coefficient[2]
```
conclusiones de H0: dado que el P-valor para la variable Tono es menor al alpha usual .05 hay evidencia con un 95% de confianza
para rechazar la H0 nula, y por lo tanto se concluye que la variable ácido málico aporta información para predecir el tono de color del vino.

También se observa, un valor de r-ajustado del 29% lo que indica que el 29% de la dispersión de los datos, se encuentra representada
por la regresión calculada con un error residual del 1.9%. ~ 2%

6. Evaluación del modelo
```{r}
pred <- (datatest$Tono * pendiente) + intercept
pred
# comparamos el MSE del DTfit y de pred
MSE <- mean((datatest$Tono -  pred) ** 2)
MSE

# RMSE
sqrt(MSE)
```

7. Visualización de resultados.
```{r wine, echo=FALSE}
datatraining %>% 
  ggplot(aes(y = Tono, x = Malicacid, color = Alcohol)) + 
  geom_point() +
  geom_abline(lty = 2, intercept = intercept, 
              slope = pendiente, color = "red") +
  theme_ipsum() +
  labs(title = "Modelo de regresion lineal simple", 
       subtitle = "Tecnica de prediccion del tono del color del vino según la [ácido málico] en el vino")
```