Bun venit la curs!

Machine Learning cu modele bazate pe arbori în R

Sandro Raabe

Data Scientist

Prezentarea cursului

 

  • Capitolul 1: Arbori de clasificare
  • Capitolul 2: Arbori de regresie, validare încrucișată, compromisul bias-varianță
  • Capitolul 3: Ajustarea hiperparametrilor, bagging, păduri aleatoare
  • Capitolul 4: Arbori cu boosting
Machine Learning cu modele bazate pe arbori în R

Arborii de decizie sunt diagrame flux

diagramă flux animale

1 https://aca.edu.au/resources/decision-trees-classifying-animals/decision-trees.pdf
Machine Learning cu modele bazate pe arbori în R

Avantajele modelelor bazate pe arbori

  • Ușor de explicat și înțeles
  • Pot surprinde relații neliniare
  • Nu necesită normalizare sau standardizare a variabilelor numerice
  • Nu necesită crearea variabilelor indicator dummy
  • Robuste față de valori extreme
  • Rapide pentru seturi de date mari
Machine Learning cu modele bazate pe arbori în R

Dezavantajele modelelor bazate pe arbori

  • Greu de interpretat dacă sunt mari, adânci sau în ansamblu
  • Varianță ridicată; arborii complecși sunt predispuși la supraajustare
Machine Learning cu modele bazate pe arbori în R

Captură de ecran tidymodels

Machine Learning cu modele bazate pe arbori în R

Pachetul tidymodels

library(tidymodels)

-- Attaching packages -------------------- tidymodels 0.1.4 --
v parsnip   0.2.1      v rsample   0.1.1 
v dplyr     1.0.9      v tibble    3.1.7 
v yardstick 0.0.9      v tune      0.1.6
Machine Learning cu modele bazate pe arbori în R

Creați un arbore de decizie

Specificație / design funcțional

 1. Alegeți o clasă de model

library(tidymodels)

decision_tree()

Decision Tree Model Specification (unknown)
Machine Learning cu modele bazate pe arbori în R

Creați un arbore de decizie

 2. Setați motorul care alimentează modelul

library(tidymodels)

decision_tree() %>% 
    set_engine("rpart")

Decision Tree Model Specification (unknown)

Computational engine: rpart
Machine Learning cu modele bazate pe arbori în R

Creați un arbore de decizie

 3. Setați modul (clasificare sau regresie)

library(tidymodels)

decision_tree() %>% 
     set_engine("rpart") %>% 
     set_mode("classification")

Decision Tree Model Specification (classification)

Computational engine: rpart
Machine Learning cu modele bazate pe arbori în R

De la specificația modelului la un model real

Specificația este un schelet și necesită date pentru antrenare
library(tidymodels)
tree_spec <- decision_tree() %>% 
               set_engine("rpart") %>% 
               set_mode("classification")

# A model specification is fit using a formula to training data
tree_spec %>%           
  fit(formula = outcome ~ age + bmi,  
      data = diabetes)

parsnip model object
Fit time: 19 ms 
n = 652
Machine Learning cu modele bazate pe arbori în R

Să construim un model!

Machine Learning cu modele bazate pe arbori în R

Preparing Video For Download...