L'écosystème tidymodels

Modéliser avec tidymodels en R

David Svancer

Data Scientist

Collection de packages de Machine Learning

Le package tidymodels

Collection de packages de Machine Learning

Reéchantillonnage des données avec rsample

Collection de packages de Machine Learning

Ingénierie des variables avec recipes

Collection de packages de Machine Learning

Ajustement de modèles avec parnsip

Collection de packages de Machine Learning

Optimisation du modèle avec tune et dials

Collection de packages de Machine Learning

Évaluation du modèle avec yardstick

Apprentissage supervisé

Branche du Machine Learning utilisant des données étiquetées pour ajuster un modèle

Régression

Prédire des résultats quantitatifs
- Prix de vente d'un logement

Classification

Prédire des résultats catégoriels
- Si un employé quittera l'entreprise

left_company	miles_from_home	salary
no	1	84500
yes	10	64820
no	5	76490
yes	19	68540

tidymodels rôles de variables

left_company est une variable de résultat
miles_from_home et salary sont des variables prédictives

Rééchantillonnage des données

Créer des ensembles d'entraînement et de test

Évite le surapprentissage
Ratio courant : 75 % entraînement, 25 % test

Données d'entraînement

Ingénierie des variables
Ajustement et réglage du modèle

Données de test

Estimer la performance sur de nouvelles données

Créer les jeux d'entraînement et de test

Données de consommation de carburant

Données de consommation de carburant de l'Environmental Protection Agency (États‑Unis)

La variable de résultat est hwy : consommation sur autoroute en miles par gallon (mpg)

mpg

# A tibble: 234 x 11
     hwy   cty displ   cyl manufacturer model       year trans      drv   fl    class  
   <int> <int> <dbl> <int> <chr>        <chr>      <int> <chr>      <chr> <chr> <chr>  
 1    29    18   1.8     4 audi         a4          1999 auto(l5)   f     p     compact
 2    29    21   1.8     4 audi         a4          1999 manual(m5) f     p     compact
 3    31    20   2       4 audi         a4          2008 manual(m6) f     p     compact
 4    30    21   2       4 audi         a4          2008 auto(av)   f     p     compact
 5    26    16   2.8     6 audi         a4          1999 auto(l5)   f     p     compact
# ... with 224 more rows

Rééchantillonnage des données avec tidymodels

initial_split()
- Spécifie comment créer les jeux d'entraînement et de test
- prop définit la part allouée à l'entraînement
- strata effectue une stratification selon la variable de résultat
Passer l'objet de découpe à la fonction training()

Passer l'objet de découpe à la fonction testing()

library(tidymodels)

mpg_split <- initial_split(mpg,
                           prop = 0.75,
                           strata = hwy)

mpg_training <- mpg_split %>%
  training()

mpg_test <- mpg_split %>%
  testing()

Données de ventes immobilières

Ventes de logements dans la région de Seattle (Washington) entre 2015 et 2016

home_sales

# A tibble: 1,492 x 8
   selling_price home_age bedrooms bathrooms sqft_living sqft_lot sqft_basement floors
           <dbl>    <dbl>    <dbl>     <dbl>       <dbl>    <dbl>         <dbl>  <dbl>
 1        487000       10        4      2.5         2540     5001             0      2
 2        465000       10        3      2.25        1530     1245           480      2
 3        411000       18        2      2           1130     1148           330      2
 4        635000        4        3      2.5         3350     4007           800      2
 5        380000       24        5      2.5         2130     8428             0      2
# ... with 1,482 more rows

Passons à la pratique !

Modéliser avec tidymodels en R