L'écosystème tidymodels

Modélisation avec tidymodels en R

David Svancer

Data Scientist

Ensemble de forfaits de Machine Learning

Le paquet tidymodels

Ensemble de forfaits de Machine Learning

Rééchantillonnage des données avec rsample

Ensemble de forfaits de Machine Learning

Génie des caractéristiques avec recipes

Ensemble de forfaits de Machine Learning

Ajustement de modèles avec parnsip

Ensemble de forfaits de Machine Learning

Ajustement d'hyperparamètres avec tune et dials

Ensemble de forfaits de Machine Learning

Évaluation de modèles avec yardstick

Apprentissage supervisé

Branche de Machine Learning utilisant des données étiquetées pour l'ajustement de modèles

Régression

Prédire des résultats quantitatifs
- Prix de vente d'une maison

Classification

Prédire des résultats catégoriels
- Si une personne salariée quittera l'entreprise

left_company	miles_from_home	salary
no	1	84500
yes	10	64820
no	5	76490
yes	19	68540

tidymodels rôles des variables

left_company est une variable de résultat
miles_from_home et salary sont des variables prédictives

Rééchantillonnage des données

Créer des ensembles d'entraînement et de test

Protège contre le surapprentissage
Ratio courant : 75 % entraînement, 25 % test

Données d'entraînement

Génie des caractéristiques
Ajustement et réglage du modèle

Données de test

Estimer la performance sur de nouvelles données

Création des ensembles d'entraînement et de test

Données sur la consommation de carburant

Données sur l'efficacité énergétique des véhicules de l'U.S. Environmental Protection Agency

La variable de résultat est hwy : consommation sur autoroute en miles par gallon (mpg)

mpg

# A tibble: 234 x 11
     hwy   cty displ   cyl manufacturer model       year trans      drv   fl    class  
   <int> <int> <dbl> <int> <chr>        <chr>      <int> <chr>      <chr> <chr> <chr>  
 1    29    18   1.8     4 audi         a4          1999 auto(l5)   f     p     compact
 2    29    21   1.8     4 audi         a4          1999 manual(m5) f     p     compact
 3    31    20   2       4 audi         a4          2008 manual(m6) f     p     compact
 4    30    21   2       4 audi         a4          2008 auto(av)   f     p     compact
 5    26    16   2.8     6 audi         a4          1999 auto(l5)   f     p     compact
# ... with 224 more rows

Rééchantillonnage avec tidymodels

initial_split()
- Définit la création des ensembles d'entraînement et de test
- prop précise la part allouée à l'entraînement
- strata effectue une stratification par la variable de résultat
Transmettre l'objet de division à la fonction training()

Transmettre l'objet de division à la fonction testing()

library(tidymodels)

mpg_split <- initial_split(mpg,
                           prop = 0.75,
                           strata = hwy)

mpg_training <- mpg_split %>%
  training()

mpg_test <- mpg_split %>%
  testing()

Données sur les ventes de maisons

Ventes de maisons dans la région de Seattle (Washington) entre 2015 et 2016

home_sales

# A tibble: 1,492 x 8
   selling_price home_age bedrooms bathrooms sqft_living sqft_lot sqft_basement floors
           <dbl>    <dbl>    <dbl>     <dbl>       <dbl>    <dbl>         <dbl>  <dbl>
 1        487000       10        4      2.5         2540     5001             0      2
 2        465000       10        3      2.25        1530     1245           480      2
 3        411000       18        2      2           1130     1148           330      2
 4        635000        4        3      2.5         3350     4007           800      2
 5        380000       24        5      2.5         2130     8428             0      2
# ... with 1,482 more rows

Passons à la pratique !

Modélisation avec tidymodels en R