Ekosystem tidymodels

Modelowanie z tidymodels w R

David Svancer

Data Scientist

Kolekcja pakietów do uczenia maszynowego

Pakiet tidymodels

Kolekcja pakietów do uczenia maszynowego

Próbkowanie danych z rsample

Kolekcja pakietów do uczenia maszynowego

Inżynieria cech z recipes

Kolekcja pakietów do uczenia maszynowego

Dopasowanie modelu z parsnip

Kolekcja pakietów do uczenia maszynowego

Strojenie modelu z tune i dials

Kolekcja pakietów do uczenia maszynowego

Ocena modelu za pomocą yardstick

Nadzorowane uczenie maszynowe

Dziedzina uczenia maszynowego wykorzystująca dane z etykietami

Regresja

Przewidywanie wyników ilościowych
- Cena sprzedaży domu

Klasyfikacja

Przewidywanie wyników kategorycznych
- Czy pracownik odejdzie z firmy

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

tidymodels role zmiennych

left_company to zmienna wynikowa
miles_from_home i salary to zmienne predyktorów

Próbkowanie danych

Tworzenie zbiorów treningowych i testowych

Ochrona przed przeuczeniem
Typowy podział: 75% trening, 25% test

Dane treningowe

Inżynieria cech
Dopasowanie i strojenie modelu

Dane testowe

Ocena wydajności modelu na nowych danych

Tworzenie zbiorów treningowych i testowych

Dane o zużyciu paliwa

Dane o zużyciu paliwa pojazdów z Agencji Ochrony Środowiska USA

Zmienna wynikowa: hwy – efektywność paliwowa na autostradzie w milach na galon (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

Próbkowanie danych w tidymodels

initial_split()
- Określa instrukcje tworzenia zbiorów treningowych i testowych
- prop określa proporcję danych treningowych
- strata stratyfikuje według zmiennej wynikowej
Przekaż obiekt podziału do funkcji training()

Przekaż obiekt podziału do funkcji testing()

library(tidymodels)

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

mpg_training <- mpg_split %>%
  training()

mpg_test <- mpg_split %>%
  testing()

Dane o sprzedaży domów

Dane o sprzedaży domów w okolicach Seattle w stanie Waszyngton (2015–2016)

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

Czas na ćwiczenia!

Modelowanie z tidymodels w R