predictioncontest1

ds1

string

Published

May 17, 2023

Question

Aufgabe

Erstellen Sie eine Analyse, die einem typischen Vorhersageprojekt entspricht!

Nutzen Sie den Datensatz penguins!

Sagen Sie die Variable body_mass_g vorher.

Hinweise:

Halten Sie die Analyse einfach.
Teilen Sie Test- vs. Train-Set hälftig auf.
Teilen Sie Analysis vs. Assessment-Set 3:1 auf.
Den Datensatz penguins können Sie entweder aus dem Paket palmerpenguins beziehen oder z.B. von hier via read_csv() importieren.
Orientieren Sie sich im Übrigen an den allgemeinen Hinweisen des Datenwerks.

Lösung

Pakete laden:

library(tidymodels)
library(tidyverse)
library(easystats)
data("penguins", package = "palmerpenguins")

Man erinnere sich, dass ein R-Paket erst (einmalig) installiert sein muss, bevor Sie darauf zugreifen können, etwa um Daten - wie den Datensatz penguins - daraus zu beziehen.

Zeilen mischen und Train- vs. Testset aufteilen:

penguins2 <-
  penguins %>% 
  sample_n(size = nrow(.))

d_train <- penguins2 %>% slice(1:(344/2))
d_test <- penguins2 %>% slice(173:nrow(penguins))

Das Trainset weiter aufteilen:

d_split <- initial_split(d_train)

d_analysis <- training(d_split)
d_assessment <- testing(d_split)

Rezept definieren:

rec1 <-
  recipe(body_mass_g ~ ., data = d_analysis) %>% 
  step_impute_knn(all_predictors()) %>% 
  step_normalize(all_numeric(), -all_outcomes())

Rezept prüfen:

d_analysis_baked <- 
rec1 %>% 
  prep() %>% 
  bake(new_data = NULL)

describe_distribution(d_analysis_baked)

Workflow und CV definieren:

m1 <- 
  linear_reg()

wf1 <-
  workflow() %>% 
  add_recipe(rec1) %>% 
  add_model(m1)

cv_scheme <- vfold_cv(d_analysis, v = 2)

Fitten (hier kein Tuning):

fit1 <-
  wf1 %>% 
  tune_grid(resamples = cv_scheme)

Finalisieren:

show_best(fit1)

wf1_final <-
  wf1 %>% 
  finalize_workflow(show_best(fit1))


wf1_final

Modellgüte:

fit1_final <-
  wf1_final %>% 
  last_fit(d_split)


collect_metrics(fit1_final)



fit1_train <-
  wf1_final %>% 
  fit(d_train)


fit1_test <-
  fit1_train %>% 
  predict(d_test)

head(fit1_test)

Vgl https://workflows.tidymodels.org/reference/predict-workflow.html

Submitten:

subm_df <-
  d_test %>% 
  mutate(id = 173:344) %>% 
  bind_cols(fit1_test) %>% 
  select(id, .pred) %>% 
  rename(pred = .pred)

Und als CSV-Datei speichern:

#write_csv(subm_df, file = "submission_blabla.csv")

Categories:

R
ds1
sose22
string

--- extype: string exsolution: NA exname: predictioncontest1 expoints: 1 tags: - prediction - tidymodels categories: - R - ds1 - string date: '2023-05-17' slug: predictioncontest1 title: predictioncontest1 execute: error: true eval: false --- Question # Aufgabe Erstellen Sie eine Analyse, die einem typischen Vorhersageprojekt entspricht! Nutzen Sie den Datensatz `penguins`! Sagen Sie die Variable `body_mass_g` vorher. Hinweise: - Halten Sie die Analyse einfach. - Teilen Sie Test- vs. Train-Set hälftig auf. - Teilen Sie Analysis vs. Assessment-Set 3:1 auf. - Den Datensatz `penguins` können Sie entweder aus dem Paket `palmerpenguins` beziehen oder z.B. von [hier](https://vincentarelbundock.github.io/Rdatasets/csv/palmerpenguins/penguins.csv) via `read_csv()` importieren. - Orientieren Sie sich im Übrigen an den [allgemeinen Hinweisen des Datenwerks](https://datenwerk.netlify.app/hinweise). # Lösung Pakete laden: ```{r} library(tidymodels) library(tidyverse) library(easystats) data("penguins", package = "palmerpenguins") ``` Man erinnere sich, dass ein R-Paket erst (einmalig) installiert sein muss, bevor Sie darauf zugreifen können, etwa um Daten - wie den Datensatz `penguins` - daraus zu beziehen. Zeilen mischen und Train- vs. Testset aufteilen: ```{r} penguins2 <- penguins %>% sample_n(size = nrow(.)) d_train <- penguins2 %>% slice(1:(344/2)) d_test <- penguins2 %>% slice(173:nrow(penguins)) ``` Das Trainset weiter aufteilen: ```{r} d_split <- initial_split(d_train) d_analysis <- training(d_split) d_assessment <- testing(d_split) ``` Rezept definieren: ```{r} rec1 <- recipe(body_mass_g ~ ., data = d_analysis) %>% step_impute_knn(all_predictors()) %>% step_normalize(all_numeric(), -all_outcomes()) ``` Rezept prüfen: ```{r} d_analysis_baked <- rec1 %>% prep() %>% bake(new_data = NULL) describe_distribution(d_analysis_baked) ``` Workflow und CV definieren: ```{r} m1 <- linear_reg() wf1 <- workflow() %>% add_recipe(rec1) %>% add_model(m1) cv_scheme <- vfold_cv(d_analysis, v = 2) ``` Fitten (hier kein Tuning): ```{r} fit1 <- wf1 %>% tune_grid(resamples = cv_scheme) ``` Finalisieren: ```{r} show_best(fit1) wf1_final <- wf1 %>% finalize_workflow(show_best(fit1)) wf1_final ``` Modellgüte: ```{r} fit1_final <- wf1_final %>% last_fit(d_split) collect_metrics(fit1_final) fit1_train <- wf1_final %>% fit(d_train) fit1_test <- fit1_train %>% predict(d_test) head(fit1_test) ``` Vgl <https://workflows.tidymodels.org/reference/predict-workflow.html> Submitten: ```{r} subm_df <- d_test %>% mutate(id = 173:344) %>% bind_cols(fit1_test) %>% select(id, .pred) %>% rename(pred = .pred) ``` Und als CSV-Datei speichern: ```{r eval = FALSE} #write_csv(subm_df, file = "submission_blabla.csv") ``` --- Categories: - R - ds1 - sose22 - string