Lasso-регрессия

Снижение размерности в R

Matt Pickard

Owner, Pickard Predictives, LLC

Обзор Lasso-регрессии

Отбор признаков с учителем
L1-регуляризация
Штрафует коэффициенты регрессии
Уменьшает коэффициенты
Менее важные коэффициенты обнуляются
Автоматически выполняет отбор признаков

linear_reg(engine = "glmnet", penalty = 0.001 , mixture = 1)

Стандартизация данных

Сначала стандартизируйте данные, чтобы штраф применялся равномерно ко всем признакам
Используйте scale() для целевой переменной
- возвращает матрицу, поэтому преобразуйте в вектор с помощью as.vector()
Используйте step_normalize() для переменных-предикторов

Пример

# Scale target variable
df <- df %>% mutate(target = as.vector(scale(target))) 
... 
# Scale predictor variables
recipe() %>% step_normalize(all_numeric_predictors())

Выбор значения штрафа

Штраф — гиперпараметр, который нужно оптимизировать
Найдите наилучшее значение штрафа
Используйте tune() в tidymodels

linear_reg(engine = "glmnet", penalty = tune() , mixture = 1)

Подготовка данных

Масштабирование целевой переменной

house_sales_subset_df <- house_sales_subset_df %>% 
  mutate(price = as.vector(scale(price)))

Создание обучающей и тестовой выборок

split <- initial_split(house_sales_subset_df, prop = 0.8)
train <- split %>% training()
test <-  split %>% testing()

Создание рецепта

lasso_recipe <- 
  recipe(price ~ ., data = train) %>% 
  step_normalize(all_numeric_predictors())

Создание рабочего процесса

Создание спецификации модели

lasso_model <- linear_reg(penalty = 0.01, mixture = 1, engine = "glmnet")

Создание рабочего процесса

lasso_workflow <- workflow(preprocessor = lasso_recipe, spec =  lasso_model)

Обучение рабочего процесса

tidy(lasso_workflow %>% fit(train)) %>% filter(estimate > 0)

# A tibble: 9 × 3
  term          estimate penalty
  <chr>            <dbl>   <dbl>
1 bathrooms      0.0477     0.01
2 sqft_living    0.434      0.01
3 floors         0.0262     0.01
4 waterfront     0.133      0.01
5 view           0.0510     0.01
6 condition      0.0319     0.01
...              ...        ...

Создание настраиваемого рабочего процесса

Создание настраиваемой спецификации модели

lasso_model <- linear_reg(penalty = tune(), mixture = 1, engine = "glmnet")
lasso_workflow <- workflow(preprocessor = lasso_recipe, spec =  lasso_model)

Создание выборки для кросс-валидации

train_cv <- vfold_cv(train, v = 5)

Создание сетки значений штрафа

penalty_grid <- grid_regular(penalty(range = c(-3, -1)), levels = 20)

Диапазон штрафа от 0,001 до 0,1 задаётся как range = c(-3, -1)

Обучение сетки моделей

Создание сетки обученных моделей

lasso_grid <- tune_grid(
  lasso_workflow,
  resamples = train_cv,
  grid = penalty_grid)

Визуализация качества моделей

autoplot(lasso_grid, metric = "rmse")

График качества в зависимости от штрафа

график качества в зависимости от штрафа

Финализация модели

Получение значения штрафа для лучшей модели

best_rmse <- lasso_grid %>% select_best("rmse")

Повторное обучение лучшей модели

final_lasso <- 
  finalize_workflow(lasso_workflow, best_rmse) %>% 
  fit(train)

Отображение коэффициентов лучшей модели

tidy(final_lasso) %>% filter(estimate > 0)

Давайте потренируемся!

Снижение размерности в R