Lineaire regressie met tidymodels

Modelleren met tidymodels in R

David Svancer

Data Scientist

Model fitten met parsnip

Lineair regressiemodel

hwy voorspellen met cty als voorspeller

$$hwy = \beta_{0} + \beta_{1} cty$$

Modelparameters

$ \beta_{0} $ is het intercept
$ \beta_{1} $ is de helling

Snelweg- vs stadsverbruik

Lineair regressiemodel

hwy voorspellen met cty als voorspeller

$$hwy = \beta_{0} + \beta_{1} cty$$

Modelparameters

$ \beta_{0} $ is het intercept
$ \beta_{1} $ is de helling

Geschatte parameters uit trainingsdata

$$\small hwy = 0.77 + 1.35(cty)$$

Mpg-data met regressielijn

Modelformules

Modelformules in parsnip

Gebruikt om kolomrollen toe te wijzen
- Doelvariabele
- Voorspellers

Algemene vorm

outcome ~ predictor_1 + predictor_2 + ...

Verkorting

outcome ~ .

hwy voorspellen met cty als voorspeller

hwy ~ cty

Het parsnip-pakket

Eenduidige syntax voor modelspecificatie in R

Specificeer het modeltype
- Lineaire regressie of ander modeltype
Kies de engine
- Verschillende engines komen uit verschillende R-pakketten
Stel de modus in
- Regressie of classificatie

Parsnip-pakket

Een lineair regressiemodel fitten

Definieer modelspecificatie met parsnip

linear_reg()

Geef lm_model door aan fit()

Geef de modelformule op
data voor het fitten

lm_model <- linear_reg() %>%

  set_engine('lm') %>%

  set_mode('regression')

lm_fit <- lm_model %>% 
  fit(hwy ~ cty, data = mpg_training)

Geschatte parameters verkrijgen

De functie tidy()

Neemt een getraind parsnip-modelobject
Maakt een samenvattingstibble
Kolommen term en estimate geven de geschatte parameters

tidy(lm_fit)

# A tibble: 2 x 5
  term        estimate std.error statistic  p.value
  <chr>          <dbl>     <dbl>     <dbl>    <dbl>
1 (Intercept)    0.769    0.528       1.46 1.47e- 1
2 cty            1.35     0.0305     44.2  6.32e-97

Voorspellingen maken

Geef een getraind parsnip-model door aan predict()

new_data geeft de dataset voor voorspellingen

Gestandaardiseerde output van predict()

Geeft een tibble
Behoudt de rijvolgorde van new_data
Noemt de voorspellingskolom .pred

hwy_predictions <- lm_fit %>% 
  predict(new_data = mpg_test)


hwy_predictions

# A tibble: 57 x 1
   .pred
   <dbl>
 1  25.0
 2  27.7
 3  25.0
 4  25.0
 5  22.3
# ... with 47 more rows

Voorspellingen toevoegen aan testdata

De functie bind_cols()

Voegt twee of meer tibbles kolomsgewijs samen
Handig om een resultaten-tibble te maken

Stappen

Selecteer hwy en cty uit mpg_test
Geef door aan bind_cols() en voeg de voorspellingen toe

mpg_test_results <- mpg_test %>%
  select(hwy, cty) %>%

  bind_cols(hwy_predictions)

mpg_test_results

# A tibble: 57 x 3
     hwy   cty .pred
   <int> <int> <dbl>
 1    29    18  25.0
 2    31    20  27.7
 3    27    18  25.0
 4    26    18  25.0
 5    25    16  22.3
# ... with 47 more rows

Laten we modelleren!

Modelleren met tidymodels in R