モデリング作業の自動化
R での tidymodels によるモデリング
David Svancer
Data Scientist
ワークフローの効率化
last_fit() 関数
- 分類モデルにも対応
- モデリングを高速化
- 学習データで学習し、テストデータで予測を生成
fit() と同様、最初の手順:
rsampleでデータ分割を作成parsnipでモデルを指定
leads_split <- initial_split(leads_df, strata = purchased)logistic_model <- logistic_reg() %>% set_engine('glm') %>% set_mode('classification')
モデルの学習と指標の収集
last_fit() 関数
parsnipのモデルオブジェクト- モデル式
- データ分割オブジェクト
collect_metrics() はテストデータで指標を算出
- 既定で Accuracy と 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
予測の収集
collect_predictions()
yardstick用に必要な列を持つ tibble を作成- テストデータの実測と予測を含む
- すべてのクラスの推定確率列を含む
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
カスタム指標セット
metric_set() 関数
accuracy(),sens(),spec()- 引数
truthとestimateが必要
- 引数
roc_auc()truthと確率列が必要
custom_metrics() では3つすべてを使用し、最後の引数は .pred_yes とします
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
Passons à la pratique !
R での tidymodels によるモデリング
