-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy path1_analise_exploratoria.R
163 lines (145 loc) · 5.89 KB
/
1_analise_exploratoria.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
##### Pacotes necessários #####
# manipulação dos dados
library(dplyr)
library(tidyr)
# importação de dados
library(readr)
# graficos
library(ggplot2)
# mineração de dados
library(party)
library(arules)
#### Diretorios #####
dir_root <- getwd()
dir_dados <- paste0(dir_root,"/DATA")
dir_dados_pre_processados <- paste0(dir_dados,"/pre_processados")
dir_plot <- paste0(dir_root,"/PLOT")
dir_plot_analise_exploratoria <- paste0(dir_plot,"/analise_exploratoria")
# Cria diretorio para os gráficos, caso não exista
dir.create(dir_plot_analise_exploratoria, recursive = TRUE)
##### Carregar data frames #####
# df_alunos_2015_melhores_cidades <-
# read_delim(file = paste0(dir_dados_pre_processados,
# "/df_alunos_2015_melhores_cidades.csv"),
# delim = ";",
# escape_double = FALSE,
# trim_ws = TRUE)
df_alunos_2015_melhores_cidades <-
read.csv2(file = paste0(dir_dados_pre_processados,
"/df_alunos_2015_melhores_cidades.csv"),
sep = ";",
stringsAsFactors = TRUE)
# df_alunos_2015_piores_cidades <-
# read_delim(file = paste0(dir_dados_pre_processados,
# "/df_alunos_2015_piores_cidades.csv"),
# delim = ";",
# escape_double = FALSE,
# trim_ws = TRUE)
df_alunos_2015_piores_cidades <-
read.csv2(file = paste0(dir_dados_pre_processados,
"/df_alunos_2015_piores_cidades.csv"),
sep = ";",
stringsAsFactors = TRUE)
#### Exploração dos dados #####
# Sumarização de alguns atributos
df_alunos_2015_melhores_cidades %>%
select(nivel_proficiencia) %>%
group_by(nivel_proficiencia) %>%
count()
df_alunos_2015_piores_cidades %>%
select(nivel_proficiencia) %>%
group_by(nivel_proficiencia) %>%
count()
# Graficos de qtd de alunos por proficiencia
proficiencia_plot_melhores_cidades <- df_alunos_2015_melhores_cidades %>%
mutate(nivel_proficiencia =
factor(x = nivel_proficiencia,
levels = c("IN", "BA", "PR", "AV"),
labels = c("Insuficiente", "Basico", "Proficiente", "Avançado"))) %>%
arrange(nivel_proficiencia) %>%
ggplot(aes(x = factor(1), fill = nivel_proficiencia)) +
geom_bar(width = 1) +
coord_polar(theta = "y") +
ylab("qtd_alunos") +
xlab("")
proficiencia_plot_piores_cidades <- df_alunos_2015_piores_cidades %>%
mutate(nivel_proficiencia =
factor(x = nivel_proficiencia,
levels = c("IN", "BA", "PR", "AV"),
labels = c("Insuficiente", "Basico", "Proficiente", "Avançado"))) %>%
arrange(nivel_proficiencia) %>%
ggplot(aes(x = factor(1), fill = nivel_proficiencia)) +
geom_bar(width = 1) +
coord_polar(theta = "y") +
ylab("qtd_alunos") +
xlab("")
## Salvando o gráfico
jpeg(paste0(dir_plot_analise_exploratoria,
"/proficiencia_plot_melhores_cidades.jpeg"),
quality = 100,
width = 800)
proficiencia_plot_melhores_cidades
dev.off()
jpeg(paste0(dir_plot_analise_exploratoria,
"/proficiencia_plot_piores_cidades.jpeg"),
quality = 100,
width = 800)
proficiencia_plot_piores_cidades
dev.off()
# Associação (não supervisionado) ==============================================
## Regras de associação
### Apriori
#### Melhores cidades ----------------------------------------------------------
df_melhores_questionario_nivel_prof <-
df_alunos_2015_melhores_cidades %>%
select(TX_RESP_Q013_alunos:TX_RESP_Q057_alunos)
rules_melhores <- apriori(df_melhores_questionario_nivel_prof,
parameter = list(minlen=2,
supp = 0.6,
conf = 0.8,
target = "rules")
)
df_rules_melhores <- as(rules_melhores, "data.frame")
df_rules_melhores2 <-
df_rules_melhores %>%
separate(col = rules, into = c("rules_LHS", "rules_RHS"), sep = " => ")
#### Piores cidades ------------------------------------------------------------
df_piores_questionario_nivel_prof <-
df_alunos_2015_piores_cidades %>%
select(TX_RESP_Q013_alunos:TX_RESP_Q057_alunos)
rules_piores <- apriori(df_piores_questionario_nivel_prof,
parameter = list(minlen=2,
supp = 0.5,
conf = 0.8,
target = "rules")
)
df_rules_piores <- as(rules_piores, "data.frame")
df_rules_piores2 <-
df_rules_piores %>%
separate(col = rules, into = c("rules_LHS", "rules_RHS"), sep = " => ")
# Classificação (supervisionado) ===============================================
## Árvores de inferência condicional
# nivel_proficiencia ou ind_aprendizado_adequado
formula <- nivel_proficiencia ~ TX_RESP_Q013_alunos +
TX_RESP_Q015_alunos + TX_RESP_Q019_alunos + TX_RESP_Q023_alunos +
TX_RESP_Q026_alunos + TX_RESP_Q027_alunos + TX_RESP_Q028_alunos +
TX_RESP_Q029_alunos + TX_RESP_Q030_alunos + TX_RESP_Q043_alunos +
TX_RESP_Q044_alunos + TX_RESP_Q045_alunos + TX_RESP_Q048_alunos +
TX_RESP_Q053_alunos + TX_RESP_Q054_alunos + TX_RESP_Q055_alunos +
TX_RESP_Q057_alunos
### Melhors cidades ------------------------------------------------------------
melhores_cidades_ctree <- ctree(formula = formula,
data = df_alunos_2015_melhores_cidades)
jpeg(paste0(dir_plot_analise_exploratoria, "/melhores_cidades_plot_ctree.jpeg"),
quality = 100,
width = 1350)
plot(melhores_cidades_ctree)
dev.off()
### Piores cidades -------------------------------------------------------------
piores_cidades_ctree <- ctree(formula = formula,
data = df_alunos_2015_piores_cidades)
jpeg(paste0(dir_plot_analise_exploratoria, "/piores_cidades_plot_ctree.jpeg"),
quality = 100,
width = 1000)
plot(piores_cidades_ctree)
dev.off()