Supervised learning से श्रेणीबद्ध डेटा को एन्कोड करना
R में Feature Engineering
Jorge Zazueta
Research Professor and Head of the Modeling Group at the School of Economics, UASLP
Supervised encoding का परिचय
इसके विपरीत, supervised encoding नाममात्र predictors से outcome मानों का उपयोग करके संख्यात्मक फीचर बनाता है।
Supervised encoding का परिचय
Supervised encoding नाममात्र predictors से outcome मानों का उपयोग करके संख्यात्मक फीचर बनाता है.
embed पैकेज में उपलब्ध कुछ supervised encoding फंक्शन
| Function | Definition |
|---|---|
| step_lencode_glm() | Likelihood encodings का उपयोग करके किसी नाममात्र predictor को generalized linear model से निकले एकल स्कोर सेट में बदलता है. |
| step_lencode_bayes() | Bayesian likelihood encodings लागू करके किसी नाममात्र predictor को Bayesian analysis से अनुमानित generalized linear model से निकले एकल स्कोर सेट में बदलता है. |
| step_lencode_mixed() | नाममात्र predictors को generalized linear mixed model से निकले एकल स्कोर सेट में बदलता है. |
Grant application सफलता की भविष्यवाणी
हम केवल sponsor code के आधार पर grant application की सफलता की भविष्यवाणी करना चाहते हैं.
lr_model <- logistic_reg() # declare model
lr_recipe_glm <- # Set recipe glm
recipe(class ~ sponsor_code,
data = grants_train) %>%
step_lencode_glm(sponsor_code,
# Declare outcome variable
outcome = vars(class))
lr_workflow_glm <- # Create Workflow
workflow() %>%
add_model(lr_model) %>%
add_recipe(lr_recipe_glm)
Workflow सारांश
lr_workflow_glm
-- Workflow ------------------------------------
Preprocessor: Recipe
Model: logistic_reg()
-- Preprocessor --------------------------------
1 Recipe Step
- step_lencode_glm()
-- Model --------------------------------------
Logistic Regression Model Specification (classification)
Computational engine: glm
Fitting, augmenting, और assessing
हम मॉडल fit करते हैं और उसका मूल्यांकन करते हैं
lr_fit_glm <- # Fit
lr_workflow_glm %>%
fit(grants_train)
lr_aug_glm <- # Augment
lr_fit_glm %>%
augment(grants_test)
glm_model <- lr_aug_glm %>% # Assess
class_evaluate(truth = class,
estimate = .pred_class,
.pred_successful)
प्रदर्शन परिणाम glm_model में संग्रहीत हैं
DNT_CURLY_TAG_3
glm_model# A tibble: 2 × 3 .metric .estimator .estimate <chr> <chr> <dbl> 1 accuracy binary 0.728 2 roc_auc binary 0.684
मॉडल्स को साथ बाँधना
हम bayes_model और mixed_model बनाकर संबंधित steps के प्रदर्शन की तुलना करते हैं।
# Define model names
model <- c("glm", "glm",
"bayes","bayes",
"mixed", "mixed")
# Bind models in a tibble
models <-
bind_rows(glm_model,
bayes_model,
mixed_model)%>%
add_column(model = model)%>%
select(-.estimator) %>%
spread(model,.estimate)
एक सुविधाजनक प्रदर्शन तालिका
models
# A tibble: 2 × 4
.metric bayes glm mixed
<chr> <dbl> <dbl> <dbl>
1 accuracy 0.718 0.728 0.720
2 roc_auc 0.686 0.684 0.682
परिणामों का विज़ुअलाइज़ेशन
Gally पैकेज से parallel coordinates चार्ट में परिणाम visualiz करें।
# Libraries
library(GGally)
# Parallel coordinates chart
ggparcoord(models,
columns = 2:4,
groupColumn = 1,
scale="globalminmax",
showPoints = TRUE)
सभी मॉडलों की accuracy और roc_auc का parallel coordinates चार्ट।
अभ्यास करते हैं!
R में Feature Engineering
