Decision tree models

[Co-Re]

Die PRs #35 und #34 sind in diesem PR inkludiert und sollten deshalb davor gemerged werden.

Changes:

Ich habe für die Tiere Hunde, Katze und Hasen decision trees erstellt und visualisiert. Wenn ich nicht auf bestimmte Prädiktoren den Decision Tree eingeschränkt hätte, hätte ich trotz Subsets bei Hunden (nur 30%) einen Errror erhalten. Wenn ich jedoch die Spaltenanzahl reduziert habe, hat es funktioniert.

Aktuell habe ich folgende Variablen für die Modelle verwendet: "breed", "intake_condition", "intake_type", "dob_year", "time_in_shelter_days", "sex_upon_outcome_second", "color_new", "outcome_type_adopt"

Was meint ihr sollen wir noch andere Variablen verwenden?

Das Ausführen von den Modellen Hund und Katze dauert schon etwas, deshalb habe ich die HTML Datei angehängt, damit man die Modelle auch ohne Ausführen in R ansehen kann.

[Co-Re]

Frage: Wir die Accuracy eines Trees immer besser je mehr Variablen man hinzufügt? Ich habe jeweils zwei Modelle gefitted und immer bei dem Modell, wo ich noch zwei weitere Variablen hinzugefügt habe, war die Accuracy besser.

[laraknapwost]

Ich codiere aktuell die Factor-Variablen zu Dummy-Variablen um und werde dann die Decision Trees nochmal versuchen. Die kommen wohl teilweise nicht so gut damit klar, wenn es zu viele Facor Levels gibt

[Co-Re]

Ich codiere aktuell die Factor-Variablen zu Dummy-Variablen um und werde dann die Decision Trees nochmal versuchen. Die kommen wohl teilweise nicht so gut damit klar, wenn es zu viele Facor Levels gibt

Musst nur schauen, wenn es zu viele Columns werden, dann funktioniert es wieder nicht mehr mit den Trees.

[laraknapwost]

Ich habe alles außer breed umgewandelt, es sind jetzt 90 Spalten, damit laufen die Trees durch.

[laraknapwost]

Ich habe in dem aktuellsten Commit auch einige Spalten gelöscht, das müsste man dann noch ändern, wenn wir es mergen.