Automatisera modelleringsflödet

Modellering med tidymodels i R

David Svancer

Data Scientist

Effektivisera arbetsflödet

Funktionen last_fit()

Fungerar även för klassificeringsmodeller
Snabbar upp modelleringsprocessen
Tränar modellen på träningsdata och genererar prediktioner på testdata

Liknande fit() är de första stegen:

Skapa ett datadelningsobjekt med rsample
Specificera en modell med parsnip

leads_split <- initial_split(leads_df, 
                             strata = purchased)


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

Träna modellen och samla mätvärden

Funktionen last_fit()

parsnip-modellobject
Modellformel
Datadelningsobjekt

Funktionen collect_metrics() beräknar mätvärden på testdata

Accuracy och ROC AUC som standard

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

Samla prediktioner

collect_predictions()

Skapar en tibble med alla kolumner som krävs för yardstick-funktioner
Faktiska och predikterade utfall för testdata
Kolumner med uppskattade sannolikheter för alla utfallskategorier

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

Anpassade måttuppsättningar

Funktionen metric_set()

accuracy(), sens() och spec()
- Kräver argumenten truth och estimate
roc_auc()
- Kräver truth och en kolumn med uppskattade sannolikheter

Funktionen custom_metrics() behöver alla tre, med .pred_yes som sista 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

Nu kör vi en övning!

Modellering med tidymodels i R