Automatiser le flux de modélisation

Modélisation avec tidymodels en R

David Svancer

Data Scientist

Rationaliser le flux de travail

La fonction last_fit()

Accepte aussi les modèles de classification
Accélère la modélisation
Ajuste le modèle aux données d'entraînement et génère des prédictions sur l'ensembledetest

Comme avec fit(), les premières étapes :

Créer un objet de partition des données avec rsample
Définir un modèle avec parsnip

leads_split <- initial_split(leads_df, 
                             strata = purchased)


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

Ajuster le modèle et recueillir les mesures

La fonction last_fit()

Objet modèle parsnip
Formule du modèle
Objet de partition des données

La fonction collect_metrics() calcule les mesures avec l'ensemble de test

Précision (accuracy) et ROC AUC par défaut

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

Recueillir les prédictions

collect_predictions()

Crée un tibble avec toutes les colonnes nécessaires aux fonctions yardstick
Résultats réels et prédits avec les données de test
Colonnes de probabilités estimées pour toutes les catégories d'issue

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

Ensembles de mesures personnalisés

La fonction metric_set()

accuracy(), sens() et spec()
- Exigent les arguments truth et estimate
roc_auc()
- Exige truth et une colonne de probabilités estimées

La fonction custom_metrics() aura besoin des trois, avec .pred_yes en dernier argument

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 !

Modélisation avec tidymodels en R