Aprendizado supervisionado

A coleção trama.ml organiza um fluxo de aprendizado supervisionado: obtenha ou leia uma tabela, separe treino e teste, ajuste um modelo com o treino, aplique-o ao teste e interprete métricas e diagnósticos. As entradas de ajuste usam uma resposta e preditores numéricos; a resposta numérica indica regressão e uma resposta categórica indica classificação quando tarefa = "auto".

Fluxo de trabalho

ml/example fornece tabelas didáticas e ml/split reserva as linhas de teste. Os seis ajustes (ml/linear, ml/cart, ml/figs, ml/forest, ml/svm e ml/xgboost) produzem um modelo models/fit, o mesmo tipo dos modelos estatísticos: prever e avaliar é com os blocos da coleção de modelos. models/predict acrescenta previsto e, quando disponíveis, probabilidades prob_<classe>; models/evaluate resume desempenho e models/confusion detalha acertos e confusões. Sem tabela de teste ligada, os avaliadores medem por validação cruzada de 5 folds no treino. Fluxos antigos com ml/predict, ml/evaluate, ml/confusion, ml/roc e ml/importance abrem já migrados. A migração não alcança blocos a jusante que leem colunas pelo nome: onde um bloco lia .pred ou .prob_<classe>, troque para previsto ou prob_<classe>; onde lia a coluna variavel da importância, troque para termo.

CART e FIGS também podem ser inspecionados com ml/rules e ml/tree_plot; CART, FIGS, floresta, XGBoost e a referência linear aceitam models/importance. ml/tune conduz validação cruzada interna ao treino; ml/tuning_plot mostra o histórico. ml/residuals examina regressão e models/roc examina discriminação.

Exemplo completo

d <- trama.ml::tr_ml_example("iris_binaria")
s <- trama.ml::tr_ml_split(d, resposta = "Species", seed = 42)
m <- trama.ml::tr_ml_cart(s$treino, resposta = "Species", preditores = "Petal.Length, Petal.Width")
p <- trama.ml::tr_ml_predict(m, s$teste)
trama.ml::tr_ml_evaluate(p, resposta = "Species")
trama.ml::tr_ml_confusion(p, resposta = "Species")

O conjunto de teste é usado para a avaliação final. Escolha modelo e parâmetros apenas com treino ou validação interna; ml/tune usa folds nos dados recebidos e reajusta o vencedor nessas linhas. Os motores rpart, figsr, ranger, e1071 e xgboost são dependências opcionais instaladas para os métodos correspondentes.

Nós da coleção

• Dados e divisão: Dados para aprender, Separar treino e teste.
• Ajustes: Linear / logística, CART, FIGS, Random forest, SVM, XGBoost.
• Previsão e avaliação (coleção de modelos): Prever, Avaliar previsões, Matriz de confusão, Curva ROC.
• Inspeção: Ler regras, Importância (modelos), Visualizar árvores, Analisar resíduos.
• Busca: Ajustar hiperparâmetros, Visualizar tuning.