Otimizar o ensemble com boosting

Machine Learning com modelos baseados em árvores em R

Sandro Raabe

Data Scientist

Ponto de partida: desempenho sem tuning

collect_metrics(cv_results)

# A tibble: 1 x 3
  .metric   .mean       n   
  <chr>     <dbl>   <int>             
1 roc_auc   0.951       5
  • 95% — nada mal para um modelo sem ajuste!
Machine Learning com modelos baseados em árvores em R

Fluxo de tuning

função tune

Machine Learning com modelos baseados em árvores em R

Fluxo de tuning

geração de grid

Machine Learning com modelos baseados em árvores em R

Fluxo de tuning

validação cruzada

Machine Learning com modelos baseados em árvores em R

Fluxo de tuning

função tune_grid

Machine Learning com modelos baseados em árvores em R

Fluxo de tuning

função select_best

Machine Learning com modelos baseados em árvores em R

Fluxo de tuning

fluxo de tuning

Machine Learning com modelos baseados em árvores em R

Fluxo de tuning

função final fit

Machine Learning com modelos baseados em árvores em R

Etapa 1: Criar a spec de tuning

# Create the specification with placeholders
boost_spec <- boost_tree(

    trees = 500,
    learn_rate = tune(),
    tree_depth = tune(),
    sample_size = tune()) %>%

  set_mode("classification") %>%
  set_engine("xgboost")

Boosted Tree Model Specification (classification)

Main Arguments:
  trees = 500
  tree_depth = tune()
  learn_rate = tune()
  sample_size = tune()

Computational engine: xgboost
  • Especificação usual
  • Diferença principal: use tune() para criar espaços reservados para os valores a ajustar
Machine Learning com modelos baseados em árvores em R

Etapa 2: Criar o grid de tuning

# Create a regular grid
tunegrid_boost <- grid_regular(parameters(boost_spec), 

                               levels = 2)

# A tibble: 8 x 3
  tree_depth     learn_rate sample_size
       <int>          <dbl>       <dbl>
1          1   0.0000000001         0.1
2         15   0.0000000001         0.1
3          1   0.1                  0.1
4         15   0.1                  0.1
5          1   0.0000000001         1  
6         15   0.0000000001         1  
7          1   0.1                  1  
8         15   0.1                  1

# Create a random grid
grid_random(parameters(boost_spec),

            size = 8)

# A tibble: 8 x 3
  tree_depth    learn_rate   sample_size
       <int>         <dbl>         <dbl>
1         11   0.0000000249        0.858
2         12   0.00000000392       0.856
3         15   0.0000000131        0.220
4         15   0.0000216           0.125
5         10   0.00000000537       0.759
6         14   0.0395              0.270
7          2   0.000000828         0.904
8          9   0.0000254           0.473
Machine Learning com modelos baseados em árvores em R

Etapa 3: O tuning

Argumentos de tune_grid():

  • Especificação dummy
  • Fórmula do modelo
  • Reamostragens/folds
  • Grid de parâmetros
  • Lista de métricas em metric_set()

Chamada da função:

# Fazer tuning ao longo do grid
tune_results <- tune_grid(

    boost_spec,

    still_customer ~ .,

    resamples = vfold_cv(customers_train, v = 6),

    grid = tunegrid_boost,

    metrics = metric_set(roc_auc))
Machine Learning com modelos baseados em árvores em R

Visualizar o resultado

# Plotar os resultados
autoplot(tune_results)

resultados do tuning

Machine Learning com modelos baseados em árvores em R

Etapa 4: Finalizar o modelo

# Selecionar os hiperparâmetros finais
best_params <- select_best(tune_results)

best_params

# A tibble: 1 x 4
  tree_depth learn_rate sample_size .config
       <int>      <dbl>       <dbl> <chr> 
1          8        0.1        0.55 Model17

# Finalizar a especificação
final_spec <- finalize_model(boost_spec, 
                             best_params)
final_spec

Boosted Tree Model Specification

Main Arguments:
  trees = 500
  tree_depth = 8
  learn_rate = 0.1
  sample_size = 0.55

Computational engine: xgboost
Machine Learning com modelos baseados em árvores em R

Última etapa: treinar o modelo final

final_model <- final_spec %>% fit(formula = still_customer ~ .,
                                  data = customers_train)

final_model

Fit time:  2.3s 
##### xgb.Booster
raw: 343.8 Kb 
nfeatures : 37 
evaluation_log:
    iter training_error
       1       0.046403                  
     100       0.002592
Machine Learning com modelos baseados em árvores em R

Sua vez!

Machine Learning com modelos baseados em árvores em R

Preparing Video For Download...