tidymodels-penguins07

tidymodels

statlearning

trees

schoice

Published

May 17, 2023

Aufgabe

Berechnen Sie ein Entscheidungsbaum-Modell mit tidymodels und zwar anhand des penguins Datensatzes.

Modellgleichung: body_mass_g ~ bill_length_mm.

Berichten Sie die RMSE!

Hinweise:

Tuning Sie $Cp$ mit 20 verschiedenen den Werten.
Löschen Sie alle Zeilen mit fehlenden Werten in den Prädiktoren.
Beachten Sie die üblichen Hinweise.
Natürlich gilt: Ceteris paribus. Halten Sie also die Modelle im Übrigen vergleichbar bzw. identisch.

Lösung

Setup

library(tidymodels)
library(tidyverse)
library(tictoc)  # Rechenzeit messen, optional
# data(penguins, package = "palmerpenguins")
d_path <- "https://vincentarelbundock.github.io/Rdatasets/csv/modeldata/penguins.csv"
d <- read_csv(d_path)

Wir dürfen keine fehlenden Werte in der Y-Variable haben (im Train-Set), sonst meckert Tidymodels:

d2 <- 
  d %>% 
  drop_na(body_mass_g)

CV

Daten aufteilen:

set.seed(42)
d_split <- initial_split(d2)
d_train <- training(d_split)
d_test <- testing(d_split)

CV

set.seed(42)
folds <- vfold_cv(d_train, v = 10)

Workflow

rec1 <-
  recipe(body_mass_g ~ bill_length_mm, data = d_train) %>% 
  step_naomit(all_numeric_predictors())

mod_tree <- 
decision_tree(
  mode = "regression",
  cost_complexity = tune()
)

wflow <-
  workflow() %>%
  add_recipe(rec1) %>%
  add_model(mod_tree)

Fitten

tic()
wflow_fit <-
  tune_grid(
    wflow,
    resamples = folds,
    control = control_grid(save_workflow = TRUE),
    grid = 20,
    metrics = metric_set(rmse)
    )
toc()

14.665 sec elapsed

Modellgüte

bestfit1 <- fit_best(x = wflow_fit)
lastfit1 <- last_fit(bestfit1, d_split)

Error in `last_fit()`:
! `last_fit()` is not well-defined for a fitted workflow.

collect_metrics(lastfit1)

Error: object 'lastfit1' not found

Categories:

tidymodels
statlearning
trees
schoice

--- exname: tidymodels-penguins07 extype: schoice exsolution: r fmt(sol) exshuffle: no expoints: 1 categories: - tidymodels - statlearning - trees - schoice date: '2023-05-17' slug: tidymodels-penguins07 title: tidymodels-penguins07 execute: error: true --- ```{r global-knitr-options, include=FALSE} knitr::opts_chunk$set(fig.pos = 'H', fig.asp = 0.618, fig.width = 4, fig.cap = "", fig.path = "", cache = TRUE, echo = TRUE, message = FALSE, fig.show = "hold") library(tidyverse) library(exams) ``` # Aufgabe Berechnen Sie ein Entscheidungsbaum-Modell mit tidymodels und zwar anhand des penguins Datensatzes. Modellgleichung: `body_mass_g ~ bill_length_mm`. Berichten Sie die RMSE! Hinweise: - Tuning Sie $Cp$ mit 20 verschiedenen den Werten. - Löschen Sie alle Zeilen mit fehlenden Werten in den Prädiktoren. - Beachten Sie die [üblichen Hinweise](https://datenwerk.netlify.app/hinweise). - Natürlich gilt: Ceteris paribus. Halten Sie also die Modelle im Übrigen vergleichbar bzw. identisch. # Lösung ## Setup ```{r} library(tidymodels) library(tidyverse) library(tictoc) # Rechenzeit messen, optional # data(penguins, package = "palmerpenguins") d_path <- "https://vincentarelbundock.github.io/Rdatasets/csv/modeldata/penguins.csv" d <- read_csv(d_path) ``` Wir dürfen keine fehlenden Werte in der Y-Variable haben (im Train-Set), sonst meckert Tidymodels: ```{r} d2 <- d %>% drop_na(body_mass_g) ``` # CV ## Daten aufteilen: ```{r} set.seed(42) d_split <- initial_split(d2) d_train <- training(d_split) d_test <- testing(d_split) ``` ## CV ```{r} set.seed(42) folds <- vfold_cv(d_train, v = 10) ``` ## Workflow ```{r} rec1 <- recipe(body_mass_g ~ bill_length_mm, data = d_train) %>% step_naomit(all_numeric_predictors()) mod_tree <- decision_tree( mode = "regression", cost_complexity = tune() ) wflow <- workflow() %>% add_recipe(rec1) %>% add_model(mod_tree) ``` ## Fitten ```{r} tic() wflow_fit <- tune_grid( wflow, resamples = folds, control = control_grid(save_workflow = TRUE), grid = 20, metrics = metric_set(rmse) ) toc() ``` ## Modellgüte ```{r} bestfit1 <- fit_best(x = wflow_fit) lastfit1 <- last_fit(bestfit1, d_split) collect_metrics(lastfit1) ``` --- Categories: - tidymodels - statlearning - trees - schoice