---
title: "Tutorial Automated Classification Binary."
output: html_document
---

Bem vindo ao Automatização de Classificação Binária, com esta ferramenta o usuário gera modelos de machine learning e regras de forma automatizada e simples. Os modelos de classificação
existentes são:

- MLP (Multi Layer Perceptron)

- GBM (Gradient Boosting Machine)

- XGBoost (Extreme Gradient Boosting)

Para a geração de regras a técnica utlizada é uma arvore de decisão, as ecolhas dos nós tem a respeito de acordo o lift e a massa minima determinada pelo usuário.
Na ferramenta se encontra cinco abas vamos para elas:

1 - UpLoad Dataset: Nesta aba o usuário realiza a inserção do dado de treinamento, teste e produção, caso só tenha a tabela de treinamento é só carregar ela na ferramenta e o processo 
automatizado já realiza a divisão aleatoria estratificada em duas novas base de dados treinamento e teste a base de produção no processo de modelagem é utilizada para avaliar a aderência
do modelo. Outro ponto importante caso a base de dados não tenha a variável chave, nesta aba se encontra um botão para adicionar uma variável chave, é necessario ter uma variável chave.

2 -  Select features: Neste ponto o usuário seleciona as variáveis alvo,chave e as explicativas, para selecionar as variáveis explicativas existem duas caixas que é para as variáveis 
numéricas e categóricas, outro ponto importante é a caixa de "Analyse Variables" ao selecionar a variável gera uma tabela de bivariada, nesta tabela você verifica se a variável é numerica ou categorica, analisa o
comportamento em relação ao alvo, quantidade de valores ausentes, desempenho com o Risco Relativo, Ganho de Informação, KS e Entropia.

3 - Induction Rules: Aqui é realizado a geração de regras, vamos apresentar cada caixa dessa aba:


     Minimum quantity per leaf: Quantidade minima por folha da arvore.
	 
	 Maximum division of the tree: Quantidade máxima que o usuário deseja que árvore desça o nível. 
	 
	 Add value lift of the target: Valor mínimo do lift, por exemplo, suponha que uma população tenha uma taxa de resposta média de 5%, mas um determinado modelo (ou regra) identificou um segmento com uma taxa de resposta de 20%. Então esse segmento teria um aumento de 4,0 (20% / 5%). O valor default é 1,1.
	 
	 Select Class Target: Selecionar a classe do alvo como objetivo.
		
	 Multiply Rules: Selecionar uma variável caso o usuário queira gera regras para cada classe dessa variável.
	 
	 Save Results in Format: Salvar os resultados no  formato R ou SQL SAP HANA.
	 
	 Name Project: Nome do projeto.
	 
	 Go Rules: Iniciar o gerador de regras.
	 
4 - Automated Classification: Item de geração do modelo de classificação binária.
	
	Percentage of Training: Percentual para realizar a divisão de treinamento e teste, caso o usuário não tenha carregado a base de teste em UpLoad Dataset.
	
	Select Class Target: Selecionar a classe do alvo como objetivo.
	
	Apply Transformation Adherence: Aplicação de transformação nas variáveis explicativas para aderência entre o teste e produção.
	
	Multiply Rules: Selecionar uma variável caso o usuário queira gera modelos para cada classe dessa variável.
	
	Save Results in Format: Salvar os resultados no  formato R ou SQL SAP HANA.
	
	Name Project: Nome do projeto.
	
	Go Train: Iniciar o modelo.
	
5 - Results: Analisar e baixar os resultados gerados pelos modelos e indutor de regras.

    Download Model: Baixar todos os resultados do modelo.
	
	Download Rules: Baixar todos os resultados do Indutor de Regras.
	
	KS: Gráfico de Kolmogorov-Smirnov na base de teste.
	
	Massa X Acerto: Gráfico da quantidade de massa e acerto esperado por faixa de escore da base de teste.
	
6 - Install packages:

                        Package   Version
abind                     abind     1.4-5
acepack                 acepack     1.4.1
ada                         ada     2.0-5
adabag                   adabag       4.1
assertthat           assertthat     0.2.0
backports             backports     1.1.1
base64enc             base64enc     0.1-3
BBmisc                   BBmisc      1.11
BH                           BH  1.65.0-1
bigmemory             bigmemory    4.5.19
bigmemory.sri     bigmemory.sri     0.1.3
bindr                     bindr     0.1.1
bindrcpp               bindrcpp     0.2.2
bizdays                 bizdays     1.0.5
broom                     broom     0.4.4
car                         car     2.1-5
caret                     caret    6.0-80
checkmate             checkmate     1.8.5
cmprsk                   cmprsk     2.2-7
colorspace           colorspace     1.3-2
crayon                   crayon     1.3.4
crosstalk             crosstalk     1.0.0
curl                       curl       3.2
CVST                       CVST     0.2-1
data.table           data.table    1.11.4
ddalpha                 ddalpha     1.3.2
DEoptimR               DEoptimR     1.0-8
devtools               devtools    1.13.5
dichromat             dichromat     2.0-0
digest                   digest    0.6.12
dimRed                   dimRed     0.1.0
doParallel           doParallel    1.0.11
dplyr                     dplyr     0.7.4
DRR                         DRR     0.0.3
DT                           DT       0.4
e1071                     e1071     1.6-8
Epi                         Epi      2.19
etm                         etm     0.6-2
evaluate               evaluate    0.10.1
fasttime               fasttime     1.0-2
FNN                         FNN       1.1
foreach                 foreach     1.4.3
Formula                 Formula     1.2-2
gamlss                   gamlss     5.0-8
gamlss.data         gamlss.data     5.0-1
gamlss.dist         gamlss.dist     5.0-5
gbm                         gbm     2.1.3
geometry               geometry     0.3-6
ggplot2                 ggplot2     3.0.0
git2r                     git2r    0.21.0
glue                       glue     1.2.0
gower                     gower     0.1.2
gridExtra             gridExtra       2.3
gtable                   gtable     0.2.0
highr                     highr       0.6
Hmisc                     Hmisc     4.1-1
htmlTable             htmlTable    1.11.2
htmltools             htmltools     0.3.6
htmlwidgets         htmlwidgets       1.0
httpuv                   httpuv     1.4.5
httr                       httr     1.3.1
ipred                     ipred     0.9-6
iterators             iterators     1.0.8
jsonlite               jsonlite       1.5
kernlab                 kernlab    0.9-25
knitr                     knitr      1.20
labeling               labeling       0.3
later                     later     0.7.3
latticeExtra       latticeExtra    0.6-28
lava                       lava     1.6.1
lazyeval               lazyeval     0.2.0
lme4                       lme4    1.1-13
lubridate             lubridate     1.7.4
magic                     magic     1.5-8
magrittr               magrittr       1.5
markdown               markdown       0.8
MatrixModels       MatrixModels     0.4-1
memoise                 memoise     1.1.0
mime                       mime       0.5
minqa                     minqa     1.2.4
mlbench                 mlbench     2.1-1
mlr                         mlr      2.11
mnormt                   mnormt     1.5-5
ModelMetrics       ModelMetrics     1.1.0
munsell                 munsell     0.4.3
neuralnet             neuralnet      1.33
nloptr                   nloptr     1.0.4
numDeriv               numDeriv  2016.8-1
openssl                 openssl     1.0.1
parallelMap         parallelMap       1.3
parallelSVM         parallelSVM     0.1-9
ParamHelpers       ParamHelpers      1.10
partykit               partykit     1.1-1
pbkrtest               pbkrtest     0.4-7
pkgconfig             pkgconfig     2.0.1
plogr                     plogr     0.2.0
plyr                       plyr     1.8.4
pmml                       pmml     1.5.2
pROC                       pROC    1.10.0
prodlim                 prodlim     1.6.1
promises               promises     1.0.1
psych                     psych   1.8.3.3
purrr                     purrr     0.2.4
quantmod               quantmod    0.4-13
quantreg               quantreg      5.33
R.methodsS3         R.methodsS3     1.7.1
R.oo                       R.oo    1.22.0
R.utils                 R.utils     2.6.0
R6                           R6     2.2.2
randomForest       randomForest    4.6-12
RANN                       RANN     2.5.1
RColorBrewer       RColorBrewer     1.1-2
Rcpp                       Rcpp   0.12.16
RcppEigen             RcppEigen 0.3.3.3.0
RcppParallel       RcppParallel    4.3.20
RcppRoll               RcppRoll     0.2.2
recipes                 recipes     0.1.2
reshape2               reshape2     1.4.2
rJava                     rJava     0.9-9
rlang                     rlang     0.2.0
robustbase           robustbase    0.92-8
rstudioapi           rstudioapi       0.7
scales                   scales     0.5.0
sfsmisc                 sfsmisc     1.1-2
shiny                     shiny     1.0.5
shinycssloaders shinycssloaders     0.2.0
shinydashboard   shinydashboard     0.7.0
shinyjs                 shinyjs       1.0
sourcetools         sourcetools     0.1.6
SparseM                 SparseM      1.77
SQUAREM                 SQUAREM 2017.10-1
stringi                 stringi     1.1.7
stringr                 stringr     1.3.1
tibble                   tibble     1.3.3
tidyr                     tidyr     0.8.0
tidyselect           tidyselect     0.2.4
timeDate               timeDate  3043.102
tree                       tree    1.0-37
TTR                         TTR    0.23-3
unbalanced           unbalanced       2.0
viridis                 viridis     0.5.1
viridisLite         viridisLite     0.3.0
whisker                 whisker     0.3-2
withr                     withr     2.1.2
xgboost                 xgboost    0.71.2
xlsx                       xlsx     0.6.1
xlsxjars               xlsxjars     0.6.1
XML                         XML  3.98-1.9
xtable                   xtable     1.8-2
xts                         xts    0.10-2
yaml                       yaml    2.1.18
zoo                         zoo     1.8-0
translations       translations     3.4.0