tidymodels-poly02

Aufgabe

Fitten Sie ein Polynomial-Modell für folgende Modellgleichung:

body_mass_g ~ bill_length_mm.

Gesucht ist der RMSE im Test-Set (optimal hinsichtlich minimalem Prognosefehler).

Hinweise:

• Datensatz penguins (palmerpenguins)
• Verwenden Sie Tidymodels
• Fitten Sie Polynome des Grades 1 bis 10.
• Definieren Sie die Polynomegrade als Tuningparameter.
• Entfernen Sie fehlende Werte in den Prädiktoren.
• Wie immer gilt: Verwenden Sie die Standardeinstellungen der Funktionen, soweit nicht anders angegeben.

Lösung

Setup:

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

Datenaufteilung:

d_split <- initial_split(penguins)
d_train <- training(d_split)
d_test <- testing(d_split)

Rezept:

rec1 <- 
  recipe(body_mass_g ~ bill_length_mm, data = penguins) %>% 
  step_naomit(all_predictors()) %>% 
  step_poly(all_predictors(), degree = tune()) %>% 
  update_role(contains("_poly_"), new_role = "predictor")

Warning: No columns were selected in `update_role()`.

Check:

d_baked <- bake(prep(rec1), new_data = NULL)

Rezepte mit Tuningparametern kann man nicht preppen/backen.

Workflow:

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

Tuning:

set.seed(42)
tune1 <-
  tune_grid(
    wf1,
    resamples = vfold_cv(data = penguins),
    metrics = metric_set(rmse),
    grid = grid_regular(degree(range = c(1, 10)),
                               levels = 10),
    control = control_grid(save_workflow = TRUE)
  )

autoplot(tune1)

show_best(tune1)

# A tibble: 5 × 7
  degree .metric .estimator  mean     n std_err .config              
   <dbl> <chr>   <chr>      <dbl> <int>   <dbl> <chr>                
1      2 rmse    standard    638.    10    22.7 Preprocessor02_Model1
2      4 rmse    standard    641.    10    23.7 Preprocessor04_Model1
3      1 rmse    standard    643.    10    21.8 Preprocessor01_Model1
4      5 rmse    standard    643.    10    23.5 Preprocessor05_Model1
5      3 rmse    standard    643.    10    24.2 Preprocessor03_Model1

Finalisieren:

best1 <- fit_best(tune1)
best1

══ Workflow [trained] ══════════════════════════════════════════════════════════
Preprocessor: Recipe
Model: linear_reg()

── Preprocessor ────────────────────────────────────────────────────────────────
2 Recipe Steps

• step_naomit()
• step_poly()

── Model ───────────────────────────────────────────────────────────────────────

Call:
stats::lm(formula = ..y ~ ., data = data)

Coefficients:
          (Intercept)  bill_length_mm_poly_1  bill_length_mm_poly_2  
                 4202                   8813                  -1708  

Predicten:

final1 <- last_fit(best1, d_split)
collect_metrics(final1)

# A tibble: 2 × 4
  .metric .estimator .estimate .config             
  <chr>   <chr>          <dbl> <chr>               
1 rmse    standard     666.    Preprocessor1_Model1
2 rsq     standard       0.287 Preprocessor1_Model1

Oder so:

sol <- 
predict(best1, new_data = d_test) %>% 
  bind_cols(d_test) %>% 
  rmse(truth = body_mass_g, estimate = .pred) %>% 
  pull(.estimate) %>% 
  pluck(1)

sol

[1] 657.5297

Die Antwort lautet: 657.5296534.

---

Categories:

• R
• statlearning
• tidymodels
• num