Lasso Regression

Dimensionsreduktion i R

Matt Pickard

Owner, Pickard Predictives, LLC

Översikt av lasso-regression

Övervakad särdragsurval
L1-regularisering
Penaliserar regressionskoefficienterna
Krymper koefficienterna
Mindre viktiga koefficienter krymps till noll
Utför naturligt särdragsurval

linear_reg(engine = "glmnet", penalty = 0.001 , mixture = 1)

Standardisera data

Standardisera data först, så att straffet tillämpas lika på alla särdrag
Använd scale() för målvariabeln
- returnerar en matris, konvertera till vektor med as.vector()
Använd step_normalize() för prediktorvariabler

Exempel

# Scale target variable
df <- df %>% mutate(target = as.vector(scale(target))) 
... 
# Scale predictor variables
recipe() %>% step_normalize(all_numeric_predictors())

Välja ett straffvärde

Straffet är en hyperparameter att optimera
Sök efter det bästa straffvärdet
Använd tune() i tidymodels

linear_reg(engine = "glmnet", penalty = tune() , mixture = 1)

Förbereda data

Skala målvariabeln

house_sales_subset_df <- house_sales_subset_df %>% 
  mutate(price = as.vector(scale(price)))

Skapa tränings- och testmängder

split <- initial_split(house_sales_subset_df, prop = 0.8)
train <- split %>% training()
test <-  split %>% testing()

Skapa ett recept

lasso_recipe <- 
  recipe(price ~ ., data = train) %>% 
  step_normalize(all_numeric_predictors())

Skapa arbetsflödet

Skapa modellspecifikationen

lasso_model <- linear_reg(penalty = 0.01, mixture = 1, engine = "glmnet")

Skapa arbetsflödet

lasso_workflow <- workflow(preprocessor = lasso_recipe, spec =  lasso_model)

Anpassa arbetsflödet

tidy(lasso_workflow %>% fit(train)) %>% filter(estimate > 0)

# A tibble: 9 × 3
  term          estimate penalty
  <chr>            <dbl>   <dbl>
1 bathrooms      0.0477     0.01
2 sqft_living    0.434      0.01
3 floors         0.0262     0.01
4 waterfront     0.133      0.01
5 view           0.0510     0.01
6 condition      0.0319     0.01
...              ...        ...

Skapa ett justerbart modellarbetsflöde

Skapa en justerbar modellspecifikation

lasso_model <- linear_reg(penalty = tune(), mixture = 1, engine = "glmnet")
lasso_workflow <- workflow(preprocessor = lasso_recipe, spec =  lasso_model)

Skapa korsvalideringsurval för träning

train_cv <- vfold_cv(train, v = 5)

Skapa ett rutnät med straffvärden

penalty_grid <- grid_regular(penalty(range = c(-3, -1)), levels = 20)

Ett straffintervall på 0,001 till 0,1 anges som range = c(-3, -1)

Anpassa ett rutnät av modeller

Skapa ett rutnät med anpassade modeller

lasso_grid <- tune_grid(
  lasso_workflow,
  resamples = train_cv,
  grid = penalty_grid)

Visualisera modellernas prestanda

autoplot(lasso_grid, metric = "rmse")

Graf över straffvärde och prestanda

Färdigställ modellen

Hämta straffvärdet för den bästa modellen

best_rmse <- lasso_grid %>% select_best("rmse")

Återanpassa den bästa modellen

final_lasso <- 
  finalize_workflow(lasso_workflow, best_rmse) %>% 
  fit(train)

Visa koefficienterna för den bästa modellen

tidy(final_lasso) %>% filter(estimate > 0)

Nu kör vi en övning!

Dimensionsreduktion i R