Recommended
More Related Content
What's hot
What's hot (20)
Rパッケージ recipes の紹介 「うまい飯を作る」
- 2. Who ? ＜基本＞ Twitter ：@kur0cky_y 職業 ：大学院生(経営工学，M1) 研究 ：株式市場分析，異常検知，需要予測，時系列解析 趣味 ：音楽，映画，飲食 ＜最近＞ 活動 ：前々回で応用セッションした．就活はしてない 悩み ：進路，モテたい
- 3. ＜基本＞ Twitter ：@kur0cky_y 職業 ：大学院生(経営工学，M1) 研究 ：株式市場分析，異常検知，需要予測，時系列解析 趣味 ：音楽，映画，飲食 ＜最近＞ 活動 ：前々回で応用セッションした．就活はしてない 悩み ：進路，モテたい Who ? 料理がうまい奴はモテるらしい
- 6. メシマズ
- 7. Why メシマズ Google先生に聞いた 「料理 下手 なぜ」 • 味見をしない → • レシピを守らない → • 段取りが悪い → • 献立の組み立てが下手 → • 料理の見た目が悪い →
- 8. Why メシマズ Google先生に聞いた 「料理 下手 なぜ」 • 味見をしない → 味見しろ • レシピを守らない → レシピ守れ • 段取りが悪い → そんなこと言われたって • 献立の組み立てが下手 → そんなこと言われたって • 料理の見た目が悪い → そんなこと言われたって
- 9. メシマズ脱却したい！ ＜料理＞ • 食材 • キッチン設備（小〜中規模） • 調理道具 ＜データ分析＞ • データ • パソコン，仮想マシン • R，RStudio，tidyverse 設備は神，腕前が残念
- 10. メシマズ脱却したい！ ＜料理＞ • 食材 • キッチン設備（小〜中規模） • 調理道具 • レシピ ＜データ分析＞ • データ • パソコン，仮想マシン • R，RStudio，tidyverse •？？？
- 13. library(tidymodels) #> ── Attaching packages ────────────────────────────────── tidymodels 0.0.1 ── #> ✔ ggplot2 3.1.0 ✔ recipes 0.1.3 #> ✔ tibble 1.4.2 ✔ broom 0.5.0 #> ✔ purrr 0.2.5 ✔ yardstick 0.0.1 #> ✔ dplyr 0.7.7 ✔ infer 0.3.1 #> ✔ rsample 0.0.2 #> ── Conflicts ────────────────────────────────────── tidymodels_conflicts() ── #> ✖ rsample::fill() masks tidyr::fill() #> ✖ dplyr::filter() masks stats::filter() #> ✖ dplyr::lag() masks stats::lag() #> ✖ recipes::step() masks stats::step() tidymodels 読み込んでみた
- 14. library(tidymodels) #> ── Attaching packages ────────────────────────────────── tidymodels 0.0.1 ── #> ✔ ggplot2 3.1.0 ✔ recipes 0.1.3 #> ✔ tibble 1.4.2 ✔ broom 0.5.0 #> ✔ purrr 0.2.5 ✔ yardstick 0.0.1 #> ✔ dplyr 0.7.7 ✔ infer 0.3.1 #> ✔ rsample 0.0.2 #> ── Conflicts ────────────────────────────────────── tidymodels_conflicts() ── #> ✖ rsample::fill() masks tidyr::fill() #> ✖ dplyr::filter() masks stats::filter() #> ✖ dplyr::lag() masks stats::lag() #> ✖ recipes::step() masks stats::step() tidymodels あった
- 15. パッケージ recipes • パッケージ群 tidymodels に含まれてる • tag_attach(“text analysis”)でkerasとtidytextも読み込める 何をするパッケージ？？？ • 前処理を助けてくれる！！！ • 精神を削らずにデザイン行列の処理！！ 例：「さっきのBox-Coxのλどこいったっけ…」
- 16. ざっくり使い方 1. 白い紙を用意 2. 手順を記す 3. 書き終える 4. 見ながら調理 1. recipe() %>% 2. 3. prep() %>% 4. bake()
- 17. library(recipes) # 読み込む data(credit_data) # 今回使うデータ head(credit_data) # 先頭確認 クレジットデータ，Statusが目的変数
- 18. # recipe()で初期化．目的変数と説明変数を明示的に指定 rec <- recipe(credit_data, Status ~ .) # 前処理操作 # step_hoge() をつないでいくことでフローを記述 rec1 <- rec %>% step_center(all_numeric()) %>% # 中心化 step_scale(all_numeric()) %>% # 標準化 step_knnimpute(all_predictors(), K=5) %>% # 欠損をk近傍法で埋める step_dummy(all_predictors(), -all_numeric()) %>% # ダミー変数作成 prep() # 完了 • step_hogehoge()で前処理 • all_numeric()やall_predictor()で適用する変数を指定 列名でも指定できる • prep()はパラメータを決定する役割
- 19. # レシピができたら調理 processed <- bake(rec1, newdata = credit_data) # レシピは使い回せる！！ # test <- bake(rec1, newdata = new_credit) head(processed) もろもろの処理ができてるっぽい ダミー変数もできてるっぽい
- 20. まとめ • 細かい機能は紹介しきれなかったが，クソ便利！！ • recipes パッケージでデータ分析上手になってモテよう • 用意されたstep_hogehoge()を一つずつチェックするだけでも 勉強になる
- 22. 付録：便利な step_hoge() • step_inverse() 逆変換 • step_log() 対数変換 • step_sqrt() 平方根 • step_logit() ロジット変換 • step_invlogit() 逆ロジット変換 • step_BoxCox() Box-Cox変換．正規分布に近づく • step_YeoJohnson Yeo-Johnson変換．Box-Coxの改良．負 値でもOK • step_relu() 発火関数．NNでよく使うやつ • step_hyperbolic() ハイパボリック変換．デフォルトはsin
- 23. 付録：便利な step_hoge() • step_meanimpute() 平均値で欠損補完 • step_modeimpute() 最頻値で欠損補完 • step_rollimpute() スライド窓を利用した欠損補完． デフォルトは中央値 • step_knnimpute() k近傍法で欠損補完 • step_bagimpute() 決定木のバギングで欠損補完 • step_rm() 名前や型に基づいて変数削除 • step_corr() 閾値より上の相関がある変数を片方削除 • step_zv() 分散が0の変数削除 • step_nzv() 分散が0に近い変数の削除 • step_lincomb() 他と線形の関係にある変数を削除
- 24. 付録：便利な step_hoge() • step_num2factor() 数値をファクターに変換 • step_string2factor() 文字列をファクターに変換 • step_factor2string() ファクターを文字列に変換 • step_ordinalscore() 順序カテゴリを数値に変換 • step_novel() 初見のカテゴリに新しいファクターを 割り当て（主にテストデータで） • step_center() データの中心からの距離を算出 • step_depth() データの中心からの近さを算出（近いほ ど大きい） • step_regex() 正規表現に基づいてダミー変数を作成． 文字列処理に便利 • step_bs() Bスプラインを用いた特徴量抽出