Foro de discusión y soporte para usuarios de R

Hola estimados,

muchas gracias por aceptarme en su foro.

Estoy comenzando en esto de la programación en R y tengo algunas dudas con respecto a como elegir un modelo asociado a clasificacón sobre otro, en primera instancia calculé la matriz de confusión para ambos, pero no sé como interpretar bien la información para decir este modelo es mejor que otro.

MÉTODO\ INDICADOR	PRECISIÓN	TASA DE ERROR	SENSIBILIDAD	ESPECIFICIDAD
ÁRBOL DECISIÓN AJUSTADO	0,844	0,156	0,952	0,411
BAYES INGENUO	0,801	0,199	0,832	0,712

 A simple vista podría pensar que el modelo se árbol de decisión es mejor, ya que es más preciso y que  además, de acuerdo a la sensibilidad que también es mayor en este caso.

Pero he leido sobre otros dos métodos, que no sé como generar:

Curva ROC y validación cruzada que si bien entiendo se genera a través de la función bagging.cv, y luego puedo sacar una matriz de confusión, sin embargo, este método lo que hace es ver la precisión del modelo a través de la data de entrenamiento solamente, por favor corríjanme si  estoy en lo incorrecto, y luego como puedo comparar los resultados de esta matriz de la val. cruzada con la de los modelos anteriormente mencionados?

Por favor, ayuda.

Gracias

Saludos