自动化建模流程

在 R 中使用 tidymodels 建模

David Svancer

Data Scientist

精简工作流

last_fit() 函数

也适用于分类模型
加速建模流程
在训练集上拟合，在测试集上生成预测

与使用 fit() 类似，前置步骤包括：

用 rsample 创建数据拆分对象
用 parsnip 指定模型

leads_split <- initial_split(leads_df, 
                             strata = purchased)


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

拟合模型并汇总度量

last_fit() 函数

parsnip 模型对象
模型公式
数据拆分对象

collect_metrics() 在测试集上计算度量

默认：Accuracy 与 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

汇总预测结果

collect_predictions()

生成含 yardstick 所需列的 tibble
测试集的真实与预测结果
各类别的预测概率列

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

自定义度量集

metric_set() 函数

accuracy(), sens(), 和 spec()
- 需要 truth 和 estimate 参数
roc_auc()
- 需要 truth 和概率列

custom_metrics() 需要以上三者，最后一个参数为 .pred_yes

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 !

在 R 中使用 tidymodels 建模