O ecossistema tidymodels

Modelagem com tidymodels em R

David Svancer

Data Scientist

Coleção de pacotes de Machine Learning

O pacote tidymodels

Coleção de pacotes de Machine Learning

Reamostragem de dados com rsample

Coleção de pacotes de Machine Learning

Engenharia de atributos com recipes

Coleção de pacotes de Machine Learning

Ajuste de modelos com parnsip

Coleção de pacotes de Machine Learning

Ajuste fino com tune e dials

Coleção de pacotes de Machine Learning

Avaliação de modelos com yardstick

Aprendizado supervisionado

Ramo de Machine Learning que usa dados rotulados para ajustar modelos

Regressão

Prediz resultados quantitativos
- Preço de venda de um imóvel

Classificação

Prediz resultados categóricos
- Se uma pessoa vai sair da empresa

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

tidymodels funções das variáveis

left_company é variável de saída
miles_from_home e salary são variáveis preditoras

Reamostragem de dados

Crie conjuntos de treino e teste

Evita overfitting
Proporção comum: 75% treino, 25% teste

Dados de treino

Engenharia de atributos
Ajuste e tuning do modelo

Dados de teste

Estimar o desempenho em novos dados

Criando conjuntos de treino e teste

Dados de eficiência de combustível

Dados de eficiência de combustível da U.S. Environmental Protection Agency

Variável de saída: hwy — eficiência na estrada em milhas por galão (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

Reamostragem de dados com tidymodels

initial_split()
- Define como criar conjuntos de treino e teste
- prop define a fração para treino
- strata estratifica pela variável de saída
Passe o objeto de divisão para a função training()

Passe o objeto de divisão para a função testing()

library(tidymodels)

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

mpg_training <- mpg_split %>%
  training()

mpg_test <- mpg_split %>%
  testing()

Dados de vendas de imóveis

Vendas de imóveis na região de Seattle, Washington, entre 2015 e 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

Vamos praticar!

Modelagem com tidymodels em R