Creazione e valutazione dei modelli con tidymodels

Riduzione della dimensionalità in R

Matt Pickard

Owner, Pickard Predictives, LLC

Processo di addestramento

il primo step dell’addestramento è lo split dei dati

Processo di addestramento

il secondo step dell’addestramento è preparare i dati

Processo di addestramento

il terzo step dell’addestramento è addestrare il modello

Processo di addestramento

il quarto step dell’addestramento è valutare il modello

Addestrare modelli con tidymodels

tidymodels ha funzioni per dividere i dati in train e test

Addestrare modelli con tidymodels

le ricette di tidymodels hanno funzioni per creare step di pre-processing dei dati

Addestrare modelli con tidymodels

tidymodels ha funzioni per addestrare vari modelli nel workflow

Suddividere train e test

split <- initial_split(credit_df, prop = 0.8, strata = credit_score)


train <- split %>% training()


test <-  split %>% testing()

Creare una recipe e un modello

feature_selection_recipe <- 
  recipe(credit_score ~ ., data = train) %>%

  step_filter_missing(all_predictors(), threshold = 0.5) %>%

  step_scale(all_numeric_predictors()) %>%

  step_nzv(all_predictors()) %>%

  prep()

lr_model <- logistic_reg() %>%

  set_engine("glm")

Crea e addestra il workflow

credit_wflow <- workflow() %>%

  add_recipe(feature_selection_recipe) %>%

  add_model(lr_model)


credit_fit <- 
  credit_wflow %>% fit(data = train)

Valutare il modello

# Predici sul test
credit_pred_df <- predict(credit_fit, test) %>% 
  bind_cols(test %>% select(credit_score))


# Valuta F-score
f_meas(credit_pred_df, credit_score, .pred_class)

# A tibble: 1 × 3
  .metric .estimator .estimate
  <chr>   <chr>          <dbl>
1 f_meas  macro          0.519

Esplora la recipe con tidy()

tidy(feature_selection_recipe, number = 1)

# A tibble: 2 × 2
  terms            id                  
  <chr>            <chr>               
1 age              filter_missing_gVVfc
2 outstanding_debt filter_missing_gVVfc

Esplora il modello con tidy()

# Mostra le stime del modello
tidy(credit_fit)

# A tibble: 44 × 5
   term                estimate std.error statistic p.value
   <chr>                  <dbl>     <dbl>     <dbl>   <dbl>
 1 (Intercept)           2.88       0.918    3.13   0.00173
 2 monthAugust          -0.449      0.236   -1.91   0.0565 
 3 monthFebruary        17.7      677.       0.0262 0.979  
 4 monthJanuary         17.7      661.       0.0268 0.979  
 ...                    ...       ...        ...    ...

Ayo berlatih!

Riduzione della dimensionalità in R