Fondamentaux du Tidy Machine Learning

Machine Learning dans le tidyverse

Dmitriy (Dima) Gorenshteyn

Lead Data Scientist, Memorial Sloan Kettering Cancer Center

Le cœur du Tidy Machine Learning

Flux de travail avec colonnes de listes

Jeu de données Gapminder

Package dslabs
Observations : 77 pays sur 52 ans chacun (1960-2011)
Variables :
- year
- infant_mortality
- life_expectancy
- fertility
- population
- gdpPercap

Flux de travail avec colonnes de listes

Étape 1 : créer une colonne de listes – imbriquer les données

Imbrication par pays

library(tidyverse)
nested <- gapminder %>%
          group_by(country) %>%
          nest()

Afficher un tibble imbriqué

> nested$data[[4]]
# A tibble: 52 x 6
    year infant_mortality life_expectancy fertility population gdpPercap
   <int>            <dbl>           <dbl>     <dbl>      <dbl>     <int>
 1  1960             37.3            68.8      2.70    7065525      7415
 2  1961             35.0            69.7      2.79    7105654      7781
 3  1962             32.9            69.5      2.80    7151077      7937
 4  1963             31.2            69.6      2.82    7199962      8209
 5  1964             29.7            70.1      2.80    7249855      8652
 6  1965             28.3            69.9      2.70    7298794      8893

Étape 3 : simplifier les colonnes de listes – unnest()

nested %>% 
  unnest(data)

# A tibble: 4,004 x 7
   country  year infant_mortality life_expectancy fertility population   ...
   <fct>   <int>            <dbl>           <dbl>     <dbl>      <dbl>   ...
 1 Algeria  1960              148            47.5      7.65   11124892   ...
 2 Algeria  1961              148            48.0      7.65   11404859   ...
 3 Algeria  1962              148            48.6      7.65   11690152   ...
 4 Algeria  1963              148            49.1      7.65   11985130   ...
 5 Algeria  1964              149            49.6      7.65   12295973   ...
 6 Algeria  1965              149            50.1      7.66   12626953   ...

Commençons !

Machine Learning dans le tidyverse