Árvores com bagging

Machine Learning com modelos baseados em árvores em R

Sandro Raabe

Data Scientist

Várias cabeças pensam melhor que uma só

a sabedoria da multidão

Machine Learning com modelos baseados em árvores em R

Bootstrap e agregação

  • Bagging = abreviação de Bootstrap Aggregation

 

 1. Bootstrapping

  • Amostragem com reposição $\rightarrow$ muitos conjuntos de treino modificados

 

 2. Agregação

  • As previsões de modelos diferentes são agregadas para a previsão final:
    • Média (em regressão)
    • Voto da maioria (em classificação)
Machine Learning com modelos baseados em árvores em R

Passo 1: Bootstrap e treino

esquema de bootstrapping

Machine Learning com modelos baseados em árvores em R

Passo 2: Agregar

agregar resultados

Machine Learning com modelos baseados em árvores em R

Codando: especificar as árvores com bagging

library(baguette)
spec_bagged <- bag_tree() %>%

    set_mode("classification") %>%

    set_engine("rpart", times = 100)

Bagged Decision Tree Model Specification (classification)

Main Arguments:
  cost_complexity = 0
  min_n = 2

Engine-Specific Arguments:
  times = 100

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

Treinar todas as árvores

model_bagged <- fit(spec_bagged, formula = still_customer ~ ., data = customers_train)

parsnip model object

Fit time:  23.9s

Bagged CART (classification with 100 members)

Variable importance scores include:

# A tibble: 19 x 4
   term                     value std.error  used
   <chr>                    <dbl>     <dbl> <int>
 1 total_trans_ct           876.      3.93    100
 2 total_trans_amt          800.      4.54    100
 3 total_revolving_bal      491.      3.67    100
Machine Learning com modelos baseados em árvores em R

Vamos fazer bootstrap!

Machine Learning com modelos baseados em árvores em R

Preparing Video For Download...