분류 모델
R에서 tidymodels로 모델링하기
David Svancer
Data Scientist
제품 구매 예측
분류 모델은 범주형 결과 변수를 예측합니다
- 제품 구매 예측
| purchased | total_time | total_visits |
|---|---|---|
| yes | 800 | 3 |
| yes | 978 | 7 |
| no | 220 | 4 |
| no | 124 | 5 |
| yes | 641 | 4 |
분류 알고리즘
목표: 예측 변수 값 공간을 겹치지 않는 구역으로 나눕니다
- 각 구역에서 동일한 범주형 결과를 예측
분류 알고리즘
목표: 예측 변수 값 공간을 겹치지 않는 구역으로 나눕니다
- 각 구역에서 동일한 범주형 결과를 예측
로지스틱 회귀
- 결과 범주 간에 선형 경계를 만드는 대표 분류 알고리즘
리드 스코어링 데이터
leads_df
# A tibble: 1,328 x 7
purchased total_visits total_time pages_per_visit total_clicks lead_source us_location
<fct> <dbl> <dbl> <dbl> <dbl> <fct> <fct>
1 yes 7 1148 7 59 direct_traffic west
2 no 8 100 2.67 24 direct_traffic west
3 no 5 228 2.5 25 email southeast
4 no 7 481 2.33 21 organic_search west
5 no 4 177 4 37 direct_traffic west
6 no 2 1273 2 26 email midwest
7 no 3 711 3 28 organic_search west
8 no 3 166 3 32 direct_traffic southeast
9 no 3 7 3 23 organic_search west
10 no 6 562 6 48 organic_search southeast
# ... with 1,318 more rows
데이터 리샘플링
모델 적합의 첫 단계
initial_split()로 데이터 분할 객체 생성training(),testing()으로 학습/테스트 세트 생성
leads_split <- initial_split(leads_df, prop = 0.75, strata = purchased)leads_training <- leads_split %>% training()leads_test <- leads_split %>% testing()
로지스틱 회귀 모델 명세
parsnip의 모델 명세
logistic_reg()parsnip의 로지스틱 회귀용 일반 인터페이스- 일반 엔진: 'glm'
- 모드: 'classification'
logistic_model <- logistic_reg() %>%set_engine('glm') %>%set_mode('classification')
모델 학습
모델을 명세한 후 fit()으로 학습
- 모델 객체를
fit()에 전달 - 모델 수식 지정
- 학습 데이터는
data로 제공
logistic_fit <- logistic_model %>%fit(purchased ~ total_visits + total_time,data = leads_training)
결과 범주 예측
predict() 함수
new_data는 예측할 데이터셋 지정type'class'는 범주 예측 제공
predict()의 표준 출력
- tibble 반환
type이'class'이면.pred_class라는 팩터 열 반환
class_preds <- logistic_fit %>%predict(new_data = leads_test,type = 'class')class_preds
# A tibble: 332 x 1
.pred_class
<fct>
1 no
2 yes
3 no
4 no
5 yes
# ... with 327 more rows
추정 확률
type을 'prob'로 설정하면 각 결과 범주의 추정 확률을 제공합니다
predict()는 여러 열이 있는 tibble을 반환합니다
- 결과 범주마다 한 열
- 열 이름 규칙:
.pred_{outcome_category}
prob_preds <- logistic_fit %>%
predict(new_data = leads_test,
type = 'prob')
prob_preds
# A tibble: 332 x 2
.pred_yes .pred_no
<dbl> <dbl>
1 0.134 0.866
2 0.729 0.271
3 0.133 0.867
4 0.0916 0.908
5 0.598 0.402
# ... with 327 more rows
결과 결합
yardstick 패키지로 평가하려면 결과 tibble이 필요합니다
테스트셋의 정답과 예측 tibble은 bind_cols()로 결합할 수 있습니다
leads_results <- leads_test %>%
select(purchased) %>%
bind_cols(class_preds, prob_preds)
leads_results
# A tibble: 332 x 4
purchased .pred_class .pred_yes .pred_no
<fct> <fct> <dbl> <dbl>
1 no no 0.134 0.866
2 yes yes 0.729 0.271
3 no no 0.133 0.867
4 no no 0.0916 0.908
5 yes yes 0.598 0.402
# ... with 327 more rows
통신 데이터
telecom_df
# A tibble: 975 x 9
canceled_service cellular_service avg_data_gb avg_call_mins avg_intl_mins internet_service contract months_with_company monthly_charges
<fct> <fct> <dbl> <dbl> <dbl> <fct> <fct> <dbl> <dbl>
1 yes single_line 7.78 497 127 fiber_optic month_to_month 7 76.4
2 yes single_line 9.04 336 88 fiber_optic month_to_month 10 94.9
3 no single_line 10.3 262 55 fiber_optic one_year 50 103.
4 yes multiple_lines 5.08 250 107 digital one_year 53 60.0
5 no multiple_lines 8.05 328 122 digital two_year 50 75.2
6 no single_line 9.3 326 114 fiber_optic month_to_month 25 95.7
7 yes multiple_lines 8.01 525 97 fiber_optic month_to_month 19 83.6
8 no multiple_lines 9.4 312 147 fiber_optic one_year 50 99.4
9 yes single_line 5.29 417 96 digital month_to_month 8 49.8
10 no multiple_lines 9.96 340 136 fiber_optic month_to_month 61 106.
# ... with 965 more rows
연습해 봅시다!
R에서 tidymodels로 모델링하기
