Ekosistem tidymodels

Pemodelan dengan tidymodels di R

David Svancer

Data Scientist

Koleksi paket machine learning

Paket tidymodels

Koleksi paket machine learning

Pengambilan sampel ulang dengan rsample

Koleksi paket machine learning

Rekayasa fitur dengan recipes

Koleksi paket machine learning

Pemasangan model dengan parnsip

Koleksi paket machine learning

Penyetelan model dengan tune dan dials

Koleksi paket machine learning

Evaluasi model dengan yardstick

Supervised machine learning

Cabang machine learning yang memakai data berlabel untuk pemodelan

Regresi

Memprediksi hasil kuantitatif
- Harga jual rumah

Klasifikasi

Memprediksi hasil kategorikal
- Apakah karyawan akan keluar dari perusahaan

left_company	miles_from_home	salary
no	1	84500
yes	10	64820
no	5	76490
yes	19	68540

Peran variabel tidymodels

left_company adalah variabel keluaran
miles_from_home dan salary adalah variabel prediktor

Pengambilan sampel ulang data

Buat data latih dan uji

Mencegah overfitting
Rasio umum 75% latih, 25% uji

Data latih

Rekayasa fitur
Pemasangan dan penyetelan model

Data uji

Perkirakan kinerja model pada data baru

Membuat dataset latih dan uji

Data efisiensi bahan bakar

Data efisiensi bahan bakar kendaraan dari U.S. Environmental Protection Agency

Variabel keluaran adalah hwy - efisiensi di jalan tol dalam miles per gallon (mpg)

mpg

# A tibble: 234 x 11
     hwy   cty displ   cyl manufacturer model       year trans      drv   fl    class  
   <int> <int> <dbl> <int> <chr>        <chr>      <int> <chr>      <chr> <chr> <chr>  
 1    29    18   1.8     4 audi         a4          1999 auto(l5)   f     p     compact
 2    29    21   1.8     4 audi         a4          1999 manual(m5) f     p     compact
 3    31    20   2       4 audi         a4          2008 manual(m6) f     p     compact
 4    30    21   2       4 audi         a4          2008 auto(av)   f     p     compact
 5    26    16   2.8     6 audi         a4          1999 auto(l5)   f     p     compact
# ... with 224 more rows

Pengambilan sampel ulang dengan tidymodels

initial_split()
- Menentukan instruksi untuk membuat dataset latih dan uji
- prop menentukan proporsi untuk data latih
- strata melakukan stratifikasi menurut variabel keluaran
Teruskan objek split ke fungsi training()

Teruskan objek split ke fungsi testing()

library(tidymodels)

mpg_split <- initial_split(mpg,
                           prop = 0.75,
                           strata = hwy)

mpg_training <- mpg_split %>%
  training()

mpg_test <- mpg_split %>%
  testing()

Data penjualan rumah

Penjualan rumah di area Seattle, Washington antara 2015–2016

home_sales

# A tibble: 1,492 x 8
   selling_price home_age bedrooms bathrooms sqft_living sqft_lot sqft_basement floors
           <dbl>    <dbl>    <dbl>     <dbl>       <dbl>    <dbl>         <dbl>  <dbl>
 1        487000       10        4      2.5         2540     5001             0      2
 2        465000       10        3      2.25        1530     1245           480      2
 3        411000       18        2      2           1130     1148           330      2
 4        635000        4        3      2.5         3350     4007           800      2
 5        380000       24        5      2.5         2130     8428             0      2
# ... with 1,482 more rows

Ayo berlatih!

Pemodelan dengan tidymodels di R