index.Rmd

---
title: 'Reporte: Sobre la factibilidad de localización automatizada de domicilios geográficos'
author: "Mario Hernández Morales"
date: "Septiembre de 2015"
output: html_document
runtime: shiny
---

Para su desarrollo se implementa una técnica de inteligencia artificial denominada árbol de decisión.

La información de las direcciones se tienen almacenadas en un archivo con los campos de la dirección separadas según la norma técnica de domicilios geográficos de Inegi.

Por ejemplo, para localizar el siguiente domicilio:
```{r, echo=FALSE, warning=FALSE}
rm(list = ls(all = TRUE))
source("qmaps.R", echo = FALSE)
map.is.visible <<- TRUE
```
```{r}
dom <- lee("dom.xlsx", "Ejemplo3")[1,]

shiny::renderTable({
  t(dom)
})
```

El método consiste en utilizar la misma técnica de los usuarios al capturar una dirección, primero se captura el municipio, con ello tenemos la primera ubicación, más burda, pero es el inicio para localizar el domicilio:

```{r}
r_mun <- identifica_mun(dom$mun)
mapa
```

Una vez contando con el municipio, se procede a localizar la localidad:

```{r}
r_loc <- identifica_loc(dom$loc, r_mun)
mapa
```

Se localiza la colonia o asentamiento:

```{r}
r_snt <- identifica_snt(dom$snt, r_loc)
mapa
```

Posteriormente se localiza la vialidad o calle. Hay que considerar todas las posibilidades, por lo que obtenemos una nube de puntos probables:

```{r}
r_vld <- identifica_vld(dom$vld, r_loc)
mapa
```

Y finalmente el número exterior.

```{r}
r_num <- identifica_num(dom$num, r_vld[r_vld$BM == min(r_vld$BM),])
mapa
```
No se utiliza el Código postal, pero es posible utilizar las entre calles o esquinas.

# Construcción del árbol de desición

Crea el árbol de decisión:
```{r}
Tt <- identifica(dom, TRUE)
entropia(Tt)
mapa
```

Podar el árbol:
```{r}
Pt <- podar(Tt, TRUE)
entropia(Pt)
mapa
```

Atomiza el árbol podado:
```{r}
At <- atomizar(Pt, TRUE)
entropia(At)
mapa
shiny::renderTable({
  t(At)
})
```

```{r child = 'cap2.Rmd'}
```