Plusieurs méthodes de prétraitement

Machine Learning avec caret en R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

Le vaste monde de preProcess

Il y a bien plus que l'imputation par la médiane ou KNN !
Enchaînez plusieurs étapes de prétraitement
« Recette » courante pour les modèles linéaires (l'ordre compte !)
- Imputation médiane ⇒ centrage ⇒ mise à l'échelle ⇒ ajuster glm
Voyez ?preProcess pour plus de détails

Exemple : prétraiter mtcars

# Générer des données avec des valeurs manquantes
data(mtcars)
set.seed(42)
mtcars[sample(1:nrow(mtcars), 10), "hp"] <- NA
Y <- mtcars$mpg
X <- mtcars[,2:4] # <- Manquant aléatoirement

# Utiliser la « recette » pour modèle linéaire
set.seed(42)
model <- train(
  X, Y, method = "glm",
  preProcess = c("center", "scale", "medianImpute")
)
print(min(model$results$RMSE))

3.612713

Exemple : prétraiter mtcars

# ACP avant la modélisation
set.seed(42)
model <- train(
  X, Y, method = "glm",
  preProcess = c("center", "scale", "medianImpute", "pca")
)
min(model$results$RMSE)

3.402557

Exemple : prétraiter mtcars

# Transformation « spatial sign »
set.seed(42)
model <- train(
  X, Y, method = "glm",
  preProcess = c("center", "scale", "medianImpute", "spatialSign")
)
min(model$results$RMSE)

4.284904

Aide-mémoire : prétraitement

Commencez par l'imputation médiane
Essayer l'imputation KNN si les données ne sont pas manquantes aléatoirement
Pour les modèles linéaires…
- Centrer et mettre à l'échelle
- Essayer l'ACP et « spatial sign »
Les modèles à base d'arbres exigent peu de prétraitement

Passons à la pratique !

Machine Learning avec caret en R