Plusieurs méthodes de prétraitement

Machine Learning avec caret en R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

Le vaste monde de preProcess

Il existe bien plus que l'imputation par la médiane ou knn !
Chaîner plusieurs étapes de prétraitement est possible
« Recette » courante pour les modèles linéaires (l'ordre compte !)
- Imputation médiane → centrage → mise à l'échelle → ajuster glm
Voir ?preProcess pour plus de détails

Exemple : prétraiter mtcars

# Générer des données avec des valeurs manquantes
data(mtcars)
set.seed(42)
mtcars[sample(1:nrow(mtcars), 10), "hp"] <- NA
Y <- mtcars$mpg
X <- mtcars[,2:4] # <- Manquant au hasard

# Utiliser la « recette » modèle linéaire
set.seed(42)
model <- train(
  X, Y, method = "glm",
  preProcess = c("center", "scale", "medianImpute")
)
print(min(model$results$RMSE))

3.612713

Exemple : prétraiter mtcars

# ACP avant modélisation
set.seed(42)
model <- train(
  X, Y, method = "glm",
  preProcess = c("center", "scale", "medianImpute", "pca")
)
min(model$results$RMSE)

3.402557

Exemple : prétraiter mtcars

# Transformation « spatial sign »
set.seed(42)
model <- train(
  X, Y, method = "glm",
  preProcess = c("center", "scale", "medianImpute", "spatialSign")
)
min(model$results$RMSE)

4.284904

Aide-mémoire du prétraitement

Commencer par l'imputation médiane
Essayer l'imputation KNN si les données ne sont pas manquantes au hasard
Pour les modèles linéaires :
- Centrer et mettre à l'échelle
- Tester ACP et spatial sign
Les modèles d'arbres exigent peu de prétraitement

Passons à la pratique !

Machine Learning avec caret en R