모델링 워크플로 자동화

R에서 tidymodels로 모델링하기

David Svancer

Data Scientist

워크플로 간소화

last_fit() 함수

분류 모델도 지원
모델링을 신속화합니다
학습 데이터로 적합하고 테스트 데이터셋에 예측을 생성

fit() 사용과 유사하게 초기 단계:

rsample로 데이터 분할 객체 생성
parsnip으로 모델 지정

leads_split <- initial_split(leads_df, 
                             strata = purchased)


logistic_model <- logistic_reg() %>% 
  set_engine('glm') %>% 
  set_mode('classification')

모델 적합과 메트릭 수집

last_fit() 함수에 필요한 것

parsnip 모델 객체
모델 공식
데이터 분할 객체

collect_metrics()는 테스트 데이터셋으로 메트릭을 계산합니다

기본값: Accuracy, ROC AUC

logistic_last_fit <- logistic_model %>% 
  last_fit(purchased ~ total_visits + total_time,
           split = leads_split)


logistic_last_fit %>% 
  collect_metrics()

# A tibble: 2 x 3
  .metric  .estimator .estimate
  <chr>      <chr>       <dbl>
1 accuracy   binary      0.759
2 roc_auc    binary      0.763

예측 수집

collect_predictions()

yardstick 함수에 필요한 열을 담은 tibble 생성
테스트 데이터의 실제값과 예측값 포함
모든 결과 범주의 예측 확률 열 포함

last_fit_results <- logistic_last_fit %>% 
  collect_predictions()

last_fit_results

# A tibble: 332 x 6
   id             .pred_yes .pred_no .row .pred_class purchased
   <chr>            <dbl>    <dbl>   <int>   <fct>      <fct>
 1 train/test split  0.134    0.866     2      no        no
 2 train/test split  0.729    0.271    17      yes       yes
 3 train/test split  0.133    0.867    21      no        no
 4 train/test split  0.0916   0.908    22      no        no
 5 train/test split  0.598    0.402    24      yes       yes
# ... with 327 more rows

사용자 지정 메트릭 세트

metric_set() 함수

accuracy(), sens(), spec()
- truth와 estimate 인수가 필요
roc_auc()
- truth와 예측 확률 열이 필요

custom_metrics()에는 세 모두가 필요하며 마지막 인수는 .pred_yes 입니다

custom_metrics <- metric_set(accuracy, sens,
                             spec, roc_auc)

custom_metrics(last_fit_results,
               truth = purchased,
               estimate = .pred_class,
               .pred_yes)

# A tibble: 4 x 3
  .metric  .estimator .estimate
  <chr>    <chr>          <dbl>
1 accuracy binary         0.759
2 sens     binary         0.617
3 spec     binary         0.840
4 roc_auc  binary         0.763

연습해 봅시다!

R에서 tidymodels로 모델링하기