数据科学中的 R 语言
创作时间:
作者:
@小白创作中心
数据科学中的 R 语言
引用
1
来源
1.
https://bookdown.org/wangminjie/R4DS/tidymodels-intro.html
第 63 章 机器学习
Rstudio工厂的Max Kuhn大神正主持机器学习的开发,日臻成熟了,感觉很强大啊。
63.2 机器学习
split <- penguins %>%
mutate(species = fct_lump(species, 1)) %>%
initial_split()
split
training_data <- training(split)
training_data
testing_data <- testing(split)
testing_data
63.7 workflow
63.7.1 使用 recipes
参考tidy modeling in R, 被预测变量在分割前,应该先处理,比如标准化。 但这里的案例,我为了偷懒,被预测变量
bill_length_mm
,暂时保留不变。 预测变量做标准处理。
penguins_lm <-
#parsnip::set_engine("lm")
penguins_recipe <-
recipes::recipe(bill_length_mm ~ bill_depth_mm + sex, data = training_data) %>%
recipes::step_normalize(all_numeric(), -all_outcomes()) %>%
recipes::step_dummy(all_nominal())
broom::tidy(penguins_recipe)
## # A tibble: 2 × 6
## number operation type trained skip id
## <int> <chr> <chr> <lgl> <lgl> <chr>
## 1 1 step normalize FALSE FALSE normalize_zs0oP
## 2 2 step dummy FALSE FALSE dummy_Rh8f7
63.7.2 workflows的思路更清晰
workflows的思路让模型结构更清晰。 这样
prep()
,
bake()
, and
juice()
就可以省略了,只需要recipe和model,他们往往是成对出现的
wflow <-
workflows::add_recipe(penguins_recipe) %>%
workflows::add_model(penguins_lm)
wflow_fit <-
wflow %>%
parsnip::fit(data = training_data)
wflow_fit %>%
## # A tibble: 3 × 3
## term estimate std.error
## <chr> <dbl> <dbl>
## 1 (Intercept) 41.1 0.442
## 2 bill_depth_mm -2.33 0.297
## 3 sex_male 5.68 0.634
wflow_fit %>%
先提取模型,用在
predict()
是可以的,但这样太麻烦了
wflow_fit %>%
stats::predict(new_data = test_data) # note: test_data not testing_data
因为,
predict()
会自动的将recipes(对training_data的操作),应用到testing_data 这个不错,参考这里
penguins_pred <-
predict(
wflow_fit,
new_data = testing_data %>% dplyr::select(-bill_length_mm), # note: testing_data not test_data
type = "numeric"
) %>%
dplyr::bind_cols(testing_data %>% dplyr::select(bill_length_mm))
penguins_pred
## # A tibble: 84 × 2
## .pred bill_length_mm
## <dbl> <dbl>
## 1 40.2 38.9
## 2 42.5 42.5
## 3 45.6 37.2
## 4 41.2 36.4
## 5 43.3 38.8
## 6 39.4 42.2
## 7 44.4 39.8
## 8 40.0 36.5
## 9 39.4 36
## 10 43.7 44.1
## # ℹ 74 more rows
penguins_pred %>%
ggplot(aes(x = bill_length_mm, y = .pred)) +
labs(y = "Predicted ", x = "bill_length_mm")
augment()
具有
predict()
一样的功能和特性,还更简练的多
wflow_fit %>%
augment(new_data = testing_data) %>% # note: testing_data not test_data
ggplot(aes(x = bill_length_mm, y = .pred)) +
labs(y = "Predicted ", x = "bill_length_mm")
63.7.3 模型评估
参考https://www.tmwr.org/performance.html#regression-metrics
penguins_pred %>%
yardstick::rmse(truth = bill_length_mm, estimate = .pred)
## # A tibble: 1 × 3
## .metric .estimator .estimate
## <chr> <chr> <dbl>
## 1 rmse standard 4.94

自定义一个指标评价函数my_multi_metric,就是放一起,感觉不够tidyverse
my_multi_metric <- yardstick::metric_set(rmse, rsq, mae, ccc)
penguins_pred %>%
my_multi_metric(truth = bill_length_mm, estimate = .pred)
## # A tibble: 4 × 3
## .metric .estimator .estimate
## <chr> <chr> <dbl>
## 1 rmse standard 4.94

## 2 rsq standard 0.179
## 3 mae standard 4.10
## 4 ccc standard 0.335
热门推荐
防空系统如何操作?摧毁"爱国者"真的难吗?
酒店延迟退房如何收费更合理?
苹果手机怎么查看文件夹,iPhone储存到文件后在哪儿找
谍战剧中,那些经典反派人物,你还记得几个?
个体营业执照注销指南:公章、网上办理及遗失情况详解
抖音能用小号直播吗?如何提升直播人气?需要不断探索和尝试适合自己的方式!
百度、腾讯或字节,谁能最终牵手苹果AI
苹果阿里要合作?AI to C正在成为阿里“下一个曲线”
黄牌、蓝牌、绿牌、白牌电动车,到底有什么区别?哪一种要驾照?
尿酸高吃什么肉好?医生的专业建议来了
少商穴的位置与作用功效
优化客户服务流程:提升效率与满意度的双赢策略
快船以102-92击败勇士:球员表现分析
霸凌者的“心理秘密”:为什么有人以攻击别人为乐?
即使是985汉语言文学系的研究生,恐怕也未见过如此清晰且完整的四大名著思维导图!
哪些人群属于应届毕业生?
多项历史文明成果铸就赣地农耕伟业
没有快递号也能查物流?这些方法帮你轻松应对
探秘美国仅有72人的“地狱”小镇
如何识别和处理老年宠物的常见健康问题?
长寿从50多岁做起,必须少吃这3种食物
高考选物化生赋分吃亏吗?中等生能不能选择物化生?
如何判断车子轮胎的大小?轮胎大小对车辆性能有何影响?
室性早搏的药物治疗方案
东京FC:日本最具代表性的足球俱乐部之一
轮状疫苗接种时间和次数有要求吗?
深中通道开通,中山能成为深圳的“浦东”么?
深圳30分钟直达中山!从市区怎么去深中通道?
创业资源整合:概念、重要性与实施方法
莱茵金属将向乌克兰提供KF41“山猫”步兵战车 2024年底交付10辆