################################################################################
## Árvores de regressão (CART)
## Aplicação - Dados atmosféricos sobre concentração de ozônio
################################################################################


################################################################################
## Pacotes
################################################################################

library(rpart)
library(rpart.plot)
library(partykit)
library(vip)
library(faraway)

options(device = "x11")
options(scipen = 999)


################################################################################
## Leitura dos dados
################################################################################

data("ozone", package = "faraway")

## Informações sobre a base
help("ozone", package = "faraway")


################################################################################
## Análise descritiva
################################################################################

## Dimensões da base
dim(ozone)

## Primeiras observações
head(ozone, 10)

## Estrutura das variáveis
str(ozone)

## Resumo descritivo
summary(ozone)

## Matriz de gráficos de dispersão
plot(ozone)


################################################################################
## Ajuste da árvore de regressão
################################################################################

set.seed(12345)

tree1_O3 <- rpart(
    O3 ~ .,
    data = ozone,
    method = "anova"
)

## Representação simbólica da árvore não podada
tree1_O3

## Resumo das partições e das partições substitutas
summary(tree1_O3)

## Número de nós finais
sum(tree1_O3$frame$var == "<leaf>")


################################################################################
## Visualização da árvore não podada
################################################################################

## Visualização básica
plot(tree1_O3, uniform = TRUE, margin = 0.1)
text(tree1_O3, use.n = TRUE, cex = 0.7)

## Visualização usando o pacote rpart.plot
rpart.plot(
    tree1_O3,
    type = 2,
    extra = 101,
    fallen.leaves = TRUE,
    box.palette = "Blues",
    shadow.col = "gray",
    nn = TRUE
)


################################################################################
## Avaliação da complexidade da árvore
################################################################################

## Tabela de custo-complexidade
printcp(tree1_O3)

## Matriz de custo-complexidade
tree1_O3$cptable

## Gráfico do erro de validação cruzada
plotcp(tree1_O3)

## O gráfico permite avaliar o compromisso entre o tamanho da árvore
## e o erro estimado por validação cruzada.


################################################################################
## Seleção automática pelo menor erro de validação cruzada
################################################################################

## Linha correspondente ao menor erro de validação cruzada
linha_min <- which.min(tree1_O3$cptable[, "xerror"])

## Parâmetro de complexidade correspondente
cp_min <- tree1_O3$cptable[linha_min, "CP"]
cp_min

## Tamanho da árvore correspondente
nsplit_min <- tree1_O3$cptable[linha_min, "nsplit"]
nsplit_min

## Número de nós finais
nsplit_min + 1


################################################################################
## Seleção automática pela regra de um erro-padrão
################################################################################

## Menor erro de validação cruzada
xerror_min <- tree1_O3$cptable[linha_min, "xerror"]

## Erro-padrão associado ao menor erro
xstd_min <- tree1_O3$cptable[linha_min, "xstd"]

## Limite definido pela regra de um erro-padrão
limite_1ep <- xerror_min + xstd_min

## Entre as árvores admissíveis, seleciona-se a mais simples
linha_1ep <- min(which(tree1_O3$cptable[, "xerror"] <= limite_1ep))

## Parâmetro de complexidade selecionado
cp_1ep <- tree1_O3$cptable[linha_1ep, "CP"]
cp_1ep

## Número de partições e de nós finais
nsplit_1ep <- tree1_O3$cptable[linha_1ep, "nsplit"]
nsplit_1ep
nsplit_1ep + 1


################################################################################
## Poda da árvore
################################################################################

## Valor selecionado com base na curva de custo-complexidade
cp_escolhido <- 0.03

## Poda da árvore
tree2_O3 <- prune(tree1_O3, cp = cp_escolhido)

## Representação simbólica da árvore podada
tree2_O3

## Resumo das partições e das partições substitutas
summary(tree2_O3)

## Número de nós finais da árvore podada
sum(tree2_O3$frame$var == "<leaf>")


################################################################################
## Visualização da árvore podada
################################################################################

## Visualização básica
plot(tree2_O3, uniform = TRUE, margin = 0.1)
text(tree2_O3, use.n = TRUE, cex = 0.8)

## Visualização usando o pacote rpart.plot
rpart.plot(
    tree2_O3,
    type = 2,
    extra = 101,
    fallen.leaves = TRUE,
    box.palette = "Blues",
    shadow.col = "gray",
    nn = TRUE,
    main = "Árvore de regressão podada"
)

## Visualização usando o pacote partykit
tree2_O3_party <- as.party(tree2_O3)
plot(tree2_O3_party)


################################################################################
## Regras de decisão da árvore
################################################################################

## Identificação dos nós finais
nos_finais <- as.numeric(row.names(
    tree2_O3$frame[tree2_O3$frame$var == "<leaf>", ]
))

## Regras associadas aos nós finais
path.rpart(tree2_O3, nodes = nos_finais, print.it = TRUE)


################################################################################
## Importância das variáveis
################################################################################

## Valores de importância
importancia <- vip::vi(tree2_O3)
importancia

## Gráfico de importância
vip(
    tree2_O3,
    num_features = nrow(importancia),
    geom = "col",
    horizontal = TRUE,
    aesthetics = list(fill = "#3C5488")
)


################################################################################
## Valores ajustados e resíduos
################################################################################

## Valores ajustados
ozone$ajustado <- predict(tree2_O3, newdata = ozone)

## Resíduos
ozone$residuo <- ozone$O3 - ozone$ajustado

## Resumo dos valores ajustados e dos resíduos
summary(ozone[, c("O3", "ajustado", "residuo")])


################################################################################
## Avaliação gráfica do ajuste
################################################################################

## Valores observados versus ajustados
plot(
    ozone$ajustado,
    ozone$O3,
    pch = 19,
    col = "#3C5488",
    xlab = "Valores ajustados",
    ylab = "Valores observados",
    main = "Valores observados versus ajustados"
)

abline(a = 0, b = 1, col = "red", lwd = 2, lty = 2)

## Resíduos versus valores ajustados
plot(
    ozone$ajustado,
    ozone$residuo,
    pch = 19,
    col = "#3C5488",
    xlab = "Valores ajustados",
    ylab = "Resíduos",
    main = "Resíduos versus valores ajustados"
)

abline(h = 0, col = "red", lwd = 2, lty = 2)


################################################################################
## Medidas descritivas da qualidade do ajuste
################################################################################

## Erro quadrático médio
EQM <- mean(ozone$residuo^2)
EQM

## Raiz do erro quadrático médio
REQM <- sqrt(EQM)
REQM

## Erro absoluto médio
EAM <- mean(abs(ozone$residuo))
EAM

## Coeficiente de determinação descritivo
R2 <- 1 - sum(ozone$residuo^2) /
    sum((ozone$O3 - mean(ozone$O3))^2)
R2

## Resumo das medidas
medidas_ajuste <- data.frame(
    Medida = c("EQM", "REQM", "EAM", "R2"),
    Valor = c(EQM, REQM, EAM, R2)
)

medidas_ajuste