
################################################################################
### Árvores de regressão baseadas em modelos (MOB)
### Aplicação - Diagnóstico de diabetes
################################################################################

################################################################################
### Pacotes
################################################################################

library(partykit)
library(mlbench)
library(ggplot2)
library(GGally)

options(device = "x11")

################################################################################
### Leitura e exploração dos dados
################################################################################

data("PimaIndiansDiabetes")

help("PimaIndiansDiabetes")

dim(PimaIndiansDiabetes)
head(PimaIndiansDiabetes, 10)
summary(PimaIndiansDiabetes)

################################################################################
### Preparação dos dados
################################################################################

## Substituição de zeros por NA nas variáveis em que zero é inválido
variaveis <- c("glucose", "pressure", "triceps", "insulin", "mass")

for (v in variaveis) {
    PimaIndiansDiabetes[[v]][PimaIndiansDiabetes[[v]] == 0] <- NA
}

summary(PimaIndiansDiabetes)

################################################################################
### Análise exploratória
################################################################################

## Distribuição da idade segundo o diagnóstico de diabetes
ggplot(PimaIndiansDiabetes, aes(x = age, fill = diabetes)) +
    geom_histogram(binwidth = 5, color = "grey50", alpha = 0.5,
                   position = "identity") +
    scale_x_continuous(breaks = seq(20, 80, 5)) +
    scale_y_continuous(breaks = seq(0, 100, 10)) +
    labs(x = "Idade", y = "Frequência", fill = "Diabetes") +
    theme_bw(base_size = 14) +
    theme(legend.position = "bottom")

## Matriz de gráficos
ggpairs(PimaIndiansDiabetes)

################################################################################
### Ajuste da árvore MOB
################################################################################

help("mob", package = "partykit")
help("mob_control", package = "partykit")

## Resposta: diagnóstico de diabetes (sim ou não)
## Preditor do modelo: idade
## Variáveis candidatas às partições: demais características

## Modelo logístico em cada nó terminal
ajuste_pima <- mob(
    diabetes ~ age | pregnant + pressure + triceps +
        insulin + mass + pedigree,
    data = PimaIndiansDiabetes,
    model = glinearModel,
    family = binomial()
)

################################################################################
### Resultados e visualização
################################################################################

## Representação simbólica da árvore
ajuste_pima

## Visualização da árvore
plot(ajuste_pima)

## Coeficientes dos modelos logísticos nos nós terminais
coef(ajuste_pima)

## Identificação dos nós terminais
nodeids(ajuste_pima, terminal = TRUE)

## Resumos dos modelos ajustados nos nós terminais
summary(ajuste_pima, node = 2)
summary(ajuste_pima, node = 4)
summary(ajuste_pima, node = 5)

################################################################################
### Medidas de ajuste
################################################################################

## Log-verossimilhança
logLik(ajuste_pima)

## Deviance
deviance(ajuste_pima)

## Critério de informação de Akaike
AIC(ajuste_pima)

## Critério de informação bayesiano
BIC(ajuste_pima)