Automatyzacja procesu modelowania

Modelowanie z tidymodels w R

David Svancer

Data Scientist

Upraszczanie przepływu pracy

Funkcja last_fit()

Obsługuje również modele klasyfikacji
Przyspiesza proces modelowania
Dopasowuje model do danych treningowych i generuje predykcje na zbiorze testowym

Podobnie jak przy fit(), pierwsze kroki obejmują:

Utworzenie obiektu podziału danych za pomocą rsample
Specyfikację modelu za pomocą parsnip

leads_split <- initial_split(leads_df, 
                             strata = purchased)


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

Dopasowanie modelu i zbieranie metryk

Funkcja last_fit()

Obiekt modelu parsnip
Formuła modelu
Obiekt podziału danych

Funkcja collect_metrics() oblicza metryki na zbiorze testowym

Domyślnie: dokładność i 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

Zbieranie predykcji

collect_predictions()

Tworzy tibble ze wszystkimi kolumnami wymaganymi przez funkcje yardstick
Rzeczywiste i przewidywane wyniki na danych testowych
Kolumny z szacowanymi prawdopodobieństwami dla wszystkich kategorii

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

Niestandardowe zestawy metryk

Funkcja metric_set()

accuracy(), sens() i spec()
- Wymagają argumentów truth i estimate
roc_auc()
- Wymaga truth i kolumny z szacowanymi prawdopodobieństwami

Funkcja custom_metrics() będzie wymagać wszystkich trzech, z .pred_yes jako ostatnim argumentem

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

Czas na ćwiczenia!

Modelowanie z tidymodels w R