พื้นฐานของ Tidy Machine Learning

Machine Learning ใน Tidyverse

Dmitriy (Dima) Gorenshteyn

Lead Data Scientist, Memorial Sloan Kettering Cancer Center

แก่นของ Tidy Machine Learning

ขั้นตอนการทำงานกับ List Column

ชุดข้อมูล Gapminder

แพ็กเกจ dslabs
การสังเกต: 77 ประเทศ 52 ปีต่อประเทศ (1960-2011)
ฟีเจอร์:
- year
- infant_mortality
- life_expectancy
- fertility
- population
- gdpPercap

ขั้นตอนการทำงานกับ List Column

ขั้นที่ 1: สร้าง List Column — Nest ข้อมูล

การ Nest ข้อมูลตามประเทศ

library(tidyverse)
nested <- gapminder %>%
          group_by(country) %>%
          nest()

ดู Nested Tibble

> nested$data[[4]]
# A tibble: 52 x 6
    year infant_mortality life_expectancy fertility population gdpPercap
   <int>            <dbl>           <dbl>     <dbl>      <dbl>     <int>
 1  1960             37.3            68.8      2.70    7065525      7415
 2  1961             35.0            69.7      2.79    7105654      7781
 3  1962             32.9            69.5      2.80    7151077      7937
 4  1963             31.2            69.6      2.82    7199962      8209
 5  1964             29.7            70.1      2.80    7249855      8652
 6  1965             28.3            69.9      2.70    7298794      8893

ขั้นที่ 3: ลด List Column — unnest()

nested %>% 
  unnest(data)

# A tibble: 4,004 x 7
   country  year infant_mortality life_expectancy fertility population   ...
   <fct>   <int>            <dbl>           <dbl>     <dbl>      <dbl>   ...
 1 Algeria  1960              148            47.5      7.65   11124892   ...
 2 Algeria  1961              148            48.0      7.65   11404859   ...
 3 Algeria  1962              148            48.6      7.65   11690152   ...
 4 Algeria  1963              148            49.1      7.65   11985130   ...
 5 Algeria  1964              149            49.6      7.65   12295973   ...
 6 Algeria  1965              149            50.1      7.66   12626953   ...

มาเริ่มกันเลย!

Machine Learning ใน Tidyverse