Création et évaluation de modèles avec tidymodels

Réduction de dimension en R

Matt Pickard

Owner, Pickard Predictives, LLC

Processus d'ajustement du modèle

$première étape : fractionner les données avant l'ajustement du modèle$

Processus d'ajustement du modèle

deuxième étape : préparer les données

Processus d'ajustement du modèle

troisième étape : ajuster le modèle

Processus d'ajustement du modèle

quatrième étape : évaluer le modèle

Ajuster un modèle avec tidymodels

tidymodels offre des fonctions pour scinder les données en ensembles d'entraînement et de test

Ajuster un modèle avec tidymodels

les « recipes » de tidymodels créent des étapes de prétraitement des données

Ajuster un modèle avec tidymodels

tidymodels permet d'ajuster divers modèles dans le flux de travail

Scinder en ensembles d'entraînement et de test

split <- initial_split(credit_df, prop = 0.8, strata = credit_score)


train <- split %>% training()


test <-  split %>% testing()

Créer une « recipe » et un modèle

feature_selection_recipe <- 
  recipe(credit_score ~ ., data = train) %>%

  step_filter_missing(all_predictors(), threshold = 0.5) %>%

  step_scale(all_numeric_predictors()) %>%

  step_nzv(all_predictors()) %>%

  prep()

lr_model <- logistic_reg() %>%

  set_engine("glm")

Créer et ajuster le flux de travail

credit_wflow <- workflow() %>%

  add_recipe(feature_selection_recipe) %>%

  add_model(lr_model)


credit_fit <- 
  credit_wflow %>% fit(data = train)

Évaluer le modèle

# Prédire sur les données de test
credit_pred_df <- predict(credit_fit, test) %>% 
  bind_cols(test %>% select(credit_score))


# Évaluer le score F
f_meas(credit_pred_df, credit_score, .pred_class)

# A tibble: 1 × 3
  .metric .estimator .estimate
  <chr>   <chr>          <dbl>
1 f_meas  macro          0.519

Explorer la « recipe » avec tidy()

tidy(feature_selection_recipe, number = 1)

# A tibble: 2 × 2
  terms            id                  
  <chr>            <chr>               
1 age              filter_missing_gVVfc
2 outstanding_debt filter_missing_gVVfc

Explorer le modèle avec tidy()

# Afficher les estimations du modèle
tidy(credit_fit)

# A tibble: 44 × 5
   term                estimate std.error statistic p.value
   <chr>                  <dbl>     <dbl>     <dbl>   <dbl>
 1 (Intercept)           2.88       0.918    3.13   0.00173
 2 monthAugust          -0.449      0.236   -1.91   0.0565 
 3 monthFebruary        17.7      677.       0.0262 0.979  
 4 monthJanuary         17.7      661.       0.0268 0.979  
 ...                    ...       ...        ...    ...

Passons à la pratique !

Réduction de dimension en R

Création et évaluation de modèles avec tidymodels

Processus d'ajustement du modèle

Processus d'ajustement du modèle

Processus d'ajustement du modèle

Processus d'ajustement du modèle

Ajuster un modèle avec tidymodels

Ajuster un modèle avec tidymodels

Ajuster un modèle avec tidymodels

Scinder en ensembles d'entraînement et de test

Créer une « recipe » et un modèle

Créer et ajuster le flux de travail

Évaluer le modèle

Explorer la « recipe » avec tidy()

Explorer le modèle avec tidy()

Passons à la pratique !

Créer une « recipe » et un modèle

Explorer la « recipe » avec tidy()