Regressione lineare con tidymodels

Modellazione con tidymodels in R

David Svancer

Data Scientist

Adattamento del modello con parsnip

Modello di regressione lineare

Prevedere hwy usando cty come predittore

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

Parametri del modello

$ \beta_{0} $ è l'intercetta
$ \beta_{1} $ è la pendenza

Efficienza autostrada vs città

Modello di regressione lineare

Prevedere hwy usando cty come predittore

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

Parametri del modello

$ \beta_{0} $ è l'intercetta
$ \beta_{1} $ è la pendenza

Parametri stimati dai dati di training

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

Dati mpg con retta di regressione

Formule del modello

Formule del modello in parsnip

Usate per assegnare i ruoli delle colonne
- Variabile di output
- Variabili predittori

Forma generale

output ~ predictor_1 + predictor_2 + ...

Notazione abbreviata

output ~ .

Prevedere hwy usando cty come variabile predittore

hwy ~ cty

Il pacchetto parsnip

Sintassi unificata per specificare modelli in R

Specifica il tipo di modello
- Regressione lineare o altro tipo
Specifica il motore
- Motori diversi corrispondono a diversi pacchetti R
Specifica la modalità
- Regressione o classificazione

Pacchetto Parsnip

Adattare un modello di regressione lineare

Definisci la specifica del modello con parsnip

linear_reg()

Passa lm_model alla funzione fit()

Specifica la formula del modello
data da usare per l'addestramento

lm_model <- linear_reg() %>%

  set_engine('lm') %>%

  set_mode('regression')

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

Ottenere i parametri stimati

La funzione tidy()

Prende un oggetto modello parsnip addestrato
Crea un riepilogo del modello in un tibble
Le colonne term ed estimate danno i parametri stimati

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

Fare previsioni

Passa il modello parsnip addestrato alla funzione predict()

new_data indica il dataset su cui prevedere i nuovi valori

Output standardizzato di predict()

Restituisce un tibble
Mantiene l'ordine delle righe di new_data
Chiama la colonna di previsione .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

Aggiungere previsioni ai dati di test

La funzione bind_cols()

Unisce due o più tibble per colonne
Utile per creare un tibble di risultati del modello

Passi

Seleziona hwy e cty da mpg_test
Passa a bind_cols() e aggiungi la colonna delle previsioni

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

Let's model!

Modellazione con tidymodels in R