Jak rozwijać drzewo

Uczenie maszynowe z modelami drzewiastymi w R

Sandro Raabe

Data Scientist

Zbiór danych Diabetes

head(diabetes)

# A tibble: 6 x 9
  outcome pregnancies glucose blood_pressure skin_thickness insulin   bmi    age
  <fct>         <int>   <int>          <int>          <int>   <int> <dbl>  <int>
1 yes               6     148             72             35       0  33.6     50
2 no                1      85             66             29       0  26.6     31
3 yes               8     183             64              0       0  23.3     32
Uczenie maszynowe z modelami drzewiastymi w R

Użycie całego zbioru danych

  • Użyto wszystkich danych do trenowania – brak danych do testowania modelu

model_flow_1

Uczenie maszynowe z modelami drzewiastymi w R

Podział danych

podział danych

model i ewaluacja

Uczenie maszynowe z modelami drzewiastymi w R

Metody podziału

metody podziału

metody podziału 2

metody podziału 3

Uczenie maszynowe z modelami drzewiastymi w R

Funkcja initial_split()

  • Losowo dzieli dane na jeden zbiór treningowy i jeden testowy
# Split data proportionally (default: 0.75)
diabetes_split <- initial_split(diabetes, prop = 0.9)
diabetes_split

<Analysis/Assess/Total>
<692/76/768>
1 from the rsample package
Uczenie maszynowe z modelami drzewiastymi w R

Funkcje training() i testing()

  • Wyodrębnianie zbiorów treningowego i testowego z podziału danych
diabetes_train <- training(diabetes_split)

diabetes_test  <- testing(diabetes_split)
  • Weryfikacja:
    nrow(diabetes_train)/nrow(diabetes)

[1] 0.9007812
1 from rsample
Uczenie maszynowe z modelami drzewiastymi w R

Unikanie nierównowagi klas

# Training count of 'yes' and 'no' outcomes
counts_train <- table(diabetes_train$outcome)
counts_train

 no yes 
490 86

# Training proportion of 'yes' outcome
prop_yes_train <- counts_train["yes"]/
                  sum(counts_train)
prop_yes_train

0.15

# Test data count of 'yes' and 'no' outcomes
counts_test <- table(diabetes_test$outcome)
counts_test

 no yes 
 28  48

# Test data proportion of 'yes' outcome
prop_yes_test <- counts_test["yes"]/
                  sum(counts_test)
prop_yes_test

0.63
Uczenie maszynowe z modelami drzewiastymi w R

Rozwiązanie – wymuszanie podobnych rozkładów

initial_split(diabetes, 
              prop = 0.9, 
              strata = outcome)
  • Zapewnia losowy podział z podobnym rozkładem zmiennej outcome
Uczenie maszynowe z modelami drzewiastymi w R

Czas na podział!

Uczenie maszynowe z modelami drzewiastymi w R

Preparing Video For Download...