tidymodels 생태계

R에서 tidymodels로 모델링하기

David Svancer

Data Scientist

머신 러닝 패키지 모음

tidymodels 패키지

머신 러닝 패키지 모음

rsample로 데이터 리샘플링

머신 러닝 패키지 모음

recipes로 피처 엔지니어링

머신 러닝 패키지 모음

parnsip로 모델 학습

머신 러닝 패키지 모음

tune과 dials로 모델 튜닝

머신 러닝 패키지 모음

yardstick로 모델 평가

지도 학습

레이블이 있는 데이터로 모델을 학습하는 머신 러닝 분야

회귀

정량적 결과 예측
- 주택 판매가 예측

분류

범주형 결과 예측
- 직원이 회사를 떠날지 여부

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

tidymodels 변수 역할

left_company는 결과 변수
miles_from_home과 salary는 예측 변수

데이터 리샘플링

훈련/테스트 세트 생성

과적합 방지
보통 75% 훈련, 25% 테스트

훈련 데이터

피처 엔지니어링
모델 학습 및 튜닝

테스트 데이터

새 데이터에 대한 성능 추정

훈련/테스트 데이터셋 만들기

연비 데이터

미국 환경보호청(EPA)의 차량 연비 데이터

결과 변수는 hwy - 고속도로 연비(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

tidymodels로 데이터 리샘플링

initial_split()
- 훈련/테스트 데이터셋 생성 규칙 지정
- prop은 훈련에 넣을 비율
- strata는 결과 변수로 층화
분할 객체를 training()에 전달

분할 객체를 testing()에 전달

library(tidymodels)

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

mpg_training <- mpg_split %>%
  training()

mpg_test <- mpg_split %>%
  testing()

주택 판매 데이터

2015~2016년 워싱턴주 시애틀 지역의 주택 판매

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

연습해 봅시다!

R에서 tidymodels로 모델링하기