Изменения

<pre> install.packages(<font color="green">"packageName"</font>) require(<font color="green">"packageName")</prefont>)

<pre> library(<font color="green">"packageName")</prefont>)

Пакет <code>Pipelearner</code><ref>[https://github.com/drsimonj/pipelearner Pipelearner github repository]</ref> предоставляет базовые возможности для разбиения набора данных на блоки для обучения моделей. В основе пакета лежит концепция работы конвейера. Принцип работы очень прост и описывается 3 шагами: # '''Инициализация'''#: Функция <code>pipelearner()</code> инициализирует новый объект, который используется в следующих функциях обработки. На этом этапе необходимо указать датасет, с которым производится работа. Также можно указать набор обучающих моделей и предсказываемую модель данных.# '''Настройка'''#: Для настройки есть 3 основных функции:#* <code>learn_cvpairs()</code> отвечает за [[Кросс-валидация|кросс-валидацию]]. Функция генерирует набор пар из тестовой и обучающей выборки на основе входного датасета. #: В качестве ядра разделения можно использовать <code>crossv_mc</code> ([[Кросс-валидация#Случайные разбиения (Random subsampling)|случайные разбиения]]), <code>crossv_kfold</code> ([[Кросс-валидация#k-fold кросс-валидация|k-fold кросс-валидация]]) или <code>crossv_loo</code> ([[Кросс-валидация#Кросс-валидация по отдельным объектам (Leave-One-Out)|leave-one-out разбиения]]) из пакета <code>modelr</code><ref>[https://github.com/tidyverse/modelr Modelr github repository]</ref>. Но если данных способов недостаточно, можно написать свою функцию разбиения.#* <code>learn_curves()</code> служит для настройки [[Переобучение#Кривые обучения|кривых обучения]]. Используется метод увеличивающихся пропорций относительно начала датасета.#: Например, вызов <code>learn_curves(.5, .75, 1)</code> создаст <tex>3</tex> сценария работы: в первом будет взята первая половина выбоки, во втором {{---}} первые <tex>\frac{3}{4}</tex> объектов, и в третьем {{---}} вся выборка. Авторы пакета утверждают, что брать случайные объекты выборки не имеет смысла, потому что выборка уже случайно разбита с помощью <code>learn_cvpairs()</code>.#* <code>learn_models()</code> предназначен для добавления новых обучающих моделей. # '''Обучение'''#: С помощью функции <code>learn()</code> все сконструированные ранее модели обучаются и выдается таблица результатов работы В итоге работа с пакетом выглядит приблизительно следующим образом: <font color="gray"># Load the dependencies</font> library(pipelearner) library(dplyr) iris %>% <font color="gray"># Use iris dataset</font> pipelearner() %>% <font color="gray"># Initialize a blank pipelearner object</font> learn_cvpairs(crossv_mc, <font color="#660099">n</font> = <font color="blue">50</font>) %>% <font color="gray"># Creating 50 random cross-validation pairs </font> learn_curves(seq(<font color="blue">.5</font>, <font color="blue">1</font>, <font color="#660099">by</font> = <font color="blue">.1</font>)) %>% <font color="gray"># Copy each cv-pair to be fitted in sample size proportions of .5 to 1 in increments of .1.</font> learn_models(lm, Sepal.Width ~ .*.) %>% <font color="gray"># Use regression modell</font> learn_models(rpart::rpart, Sepal.Width ~ .) %>% <font color="gray"># Use decision tree modell</font> learn() <font color="gray"># Fit all models on all partitions and return the results</font> Пакет хорошо документирован, все непонятные моменты можно прояснить, просто изучив структуру объекта на каждом этапе работы алгоритма.

Пакет <code>MICE</code><ref>[https://cran.r-project.org/web/packages/mice/mice.pdf MICE package documentation]</ref> используется для заполнения пропущенных значений в данных. При этом нет необходимости думать о типах значений: для каждого из них в пакете предусмотрено заполнение по умолчанию.  Принцип работы основан на методе множественного восстановления<ref>[https://en.wikipedia.org/wiki/Imputation_(statistics)#Multiple_imputation Multiple Imputation]</ref>. Пропущенные данные заполняются не один, а несколько раз. После этого, каждый из полученных наборов обучается на определенной модели. Затем, результаты агрегируются и выдаются итоговые параметры модели.  Стандартный процесс работы выглядит так: <font color="gray"># Load the dependencies</font> library(mice) <font color="gray"># Impute the missing data m times</font> imp <- mice(nhanes, <font color="#660099">m</font> = <font color="blue">5</font>) <font color="gray"># Analize completed datasets using linear model</font> fit <- with(imp, lm(chl ~ bmi + age)) <font color="gray"># Combine parameter estimates</font> est <- pool(fit) <font color="gray"># Print summary of estimation</font> summary(est) 

Данный пакет<ref>[https://cran.r-project.org/web/packages/ggplot2/index.html Ggplot2 main info page]</ref> используется для отрисовки данных и графиков.  

<code>RandomForest</code> <ref>[https://cran.r-project.org/web/packages/randomForest/index.html RandomForest package main info]</ref> — пакет с реализацией алгоритма ''[[Дерево решений и случайный лес | randomForestслучайного леса]]''. Используется для решения задач регрессии и классификации, а также для поиска аномалий и отбора предикторов.

Пакет <code>ClusterR</code> <ref>[https://cran.r-project.org/web/packages/ClusterR/vignettes/the_clusterR_package.html ClusterR documentation]</ref> состоит из алгоритмов кластеризации на основе центроидов (''[[Кластеризация#Метод K-средних (Алгоритм Ллойда) |метод K-средних]]'' (k-means''), ''mini-batch-kmeans'', ''k-medoids'') и распределений (''GMM''). Кроме того, пакет предлагает функции для:

Пакет <ref>[https://www.rdocumentation.org/packages/e1071/versions/1.7-3 1071 package documentation]</ref> содержит в себя функции для анализа классов, ''кратковременного преобразование Фурье'', ''нечеткой кластеризации'', реализации ''[[Метод опорных векторов (SVM) | SVMметода опорных векторов]]'', ''вычисления кратчайшего пути'', а также реализации ''[[Байесовская_классификация#Наивный байесовский классификатор | наивного байесовского классификатора]]''.

В пакете <code>H20</code> <ref>[https://cran.r-project.org/web/packages/h2o/index.html H20 main info page]</ref> представлены линейные модели, такие как ''[[Бустинг, AdaBoost |градиентный бустинг]]'', ''[[Метод главных компонент (PCA)|PCAметод главных компонент]]''(PCA), ''GLRM'', ''KNN[[Метрический классификатор и метод ближайших соседей|метод k ближайших соседей]]'', ''[[Дерево решений и случайный лес|RadomForestслучайный лес]]'', ''[[Байесовская_классификация#Наивный байесовский классификатор | наивный Байесовский байесовский классификатор]]''. Сильная сторона этой библиотеки – {{---}} работа с большими объемами данных и поддержка многопоточных вычислений. Однако в ней нет возможности задавать параметры используемых алгоритмов

<font color="gray"># reading data</font> data <- read.csv(<font color="green">"input.csv"</font>, <font color="#660099">sep</font> = <font color="green">','</font>, <font color="#660099">header</font> = FALSE) <font color="gray"># evaluating linear regression model</font> model <- lm(data$<strong><font color="#660E7A">x</font></strong> ~ data$<strong><font color="#660E7A">y</font></strong>) <font color="gray"># getting summary</font> print(summary(model)) <font color="gray">#visualizing data </font> plot(data$<strong><font color="#660E7A">y</font></strong>, data$<strong><font color="#660E7A">x</font></strong>) lines(data$<strong><font color="#660E7A">y</font></strong>, predict(fit), <font color="#660099">col </font> = <font color= "green">'red')</prefont>)

<font color="gray"># reading data</font> rdata <- read.csv(<font color="green">"input.csv"</font>, <font color="#660099">sep</font> = <font color="green">','</font>, <font color="#660099">header</font> = FALSE) <font color="gray">#evaluating regression model</font> model <- lm(target ~ x + y + z, <font color="#660099">data </font> = rdata) <font color="gray">#getting summary </font> print(summary(model))</pre>

<prefont color="gray">#$$reading data</font> rdata <- read.csv(<font color="green">"input.csv"</font>, <font color="#660099">sep </font> = <font color="green">','</font>, <font color="#660099">header </font> = FALSE) <font color="gray">#evaluating model</font> model = glm(<font color="#660099">formula </font> = target ~ x + y + z, <font color="#660099">data </font> = rdata, <font color="#660099">family </font> = binomial) <font color="gray">#printing summary</font> print(summary(model))</pre> === PCA ==={{Main||Метод главных компонент (PCA)||ll:PCA}}<pre>#importing library and its' dependencieslibrary(h2o)h2o.init()

path <- system.file("extdata", "data.csv", package = "h2o")== Метод главных компонент ===data <- h2o.uploadFile{{Main|Метод главных компонент (path PCA)|ll= data)PCA}}

<font color="gray"># importing library and its' dependencies</font> library(h2o) h2o.init() path <- system.file(<font color="green">"extdata"</font>, <font color="green">"data.csv"</font>, <font color="#660099">package</font> = <font color="green">"h2o"</font>) data <- h2o.uploadFile(<font color="#660099">path</font> = data) <font color="gray">#evaluating</font> h2o.prcomp(<font color="#660099">training_frame </font> = data, <font color="#660099">k </font> = <font color="blue">8</font>, <font color="#660099">transform </font> = <font color="green">"STANDARDIZE")</prefont>)

<prefont color="gray">#importing package </font> install.packages(<font color="green">"party"</font>) <font color="gray">#reading data</font> rdata <- read.csv(<font color="green">"input.csv"</font>, <font color="#660099">sep </font> = <font color="green">','</font>, <font color="#660099">header </font> = FALSE) <font color="gray">#evaluating model</font> output.tree <- ctree(target ~ x + y + z, <font color="#660099">data </font> = rdata) <font color="gray">#plotting results</font> plot(output.tree)</pre>

<prefont color="gray">#importing packages </font> install.packages(<font color="green">"party"</font>) install.packages(<font color="green">"randomForest"</font>) <font color="gray">#reading data</font> rdata <- read.csv(<font color="green">"input.csv"</font>, <font color="#660099">sep </font> = <font color="green">','</font>, <font color="#660099">header </font> = FALSE) <font color="gray">#creating the forest</font> output.forest <- randomForest(target ~ x + y + z, <font color="#660099">data </font> = rdata) <font color="gray">#getting results</font> print(output.forest) </pre>

<prefont color="gray">#$$importing package and it's dependencies</font> library(e1071) <font color="gray">#reading data</font> data <- read.csv(<font color="green">"input.csv"</font>, <font color="#660099">sep </font> = <font color= "green">','</font>, <font color="#660099">header </font> = FALSE) <font color="gray">#splitting data into training and test data sets</font> index <- createDataPartition(<font color="#660099">y </font> = data$<strong><font color="#660E7A">target</font></strong>, <font color="#660099">p </font> = <font color= "blue">0.8</font>,<font color="#660099">list </font> = FALSE) training <- data[index,] testing <- data[-index,] <font color="gray">#create objects x and y for predictor and response variables</font> x = <- training[,-<font color="blue">9</font>] y = <- training$<strong><font color="#660E7A">target</font></strong> <font color="gray">#training model</font> model = <- train(x,y,<font color="green">'nb'</font>,<font color="#660099">trControl</font> =trainControl(<font color="#660099">method</font> =<font color="green">'cv'</font>,<font color="#660099">number</font> = <font color="blue">10</font>)) <font color="gray">#predicting results</font> predictions <- predict(model, <font color="#660099">newdata </font> = testing)</pre>

=== SVM Метод опорных векторов ===<pre>#$$ importing package and its' dependencieslibrary{{Main|Метод опорных векторов (caretSVM)|ll=SVM}}

<font color="gray"># importing package and its' dependencies</font> library(caret) <font color="gray">#reading data</font> data <- read.csv(<font color="green">"input.csv"</font>, <font color="#660099">sep </font> = <font color= "green">','</font>, <font color="#660099">header </font> = FALSE) <font color="gray"># splitting data into train and test sets</font> index <- createDataPartition(<font color="#660099">y</font> = data$<strong><font color="#660E7A">target</font></strong>, <font color="#660099">p</font> = <font color="blue">0.8</font>, <font color="#660099">list</font> = FALSE) training <- data[index,] testing <- data[-index,] <font color="gray"># evaluating model</font> fit <- train(target ~ x + y + z, <font color="#660099">data</font> = train_flats, <font color="#660099">method</font> = <font color="green">"svmRadial"</font>, <font color="#660099">trControl</font> = trainControl(<font color="#660099">method</font> = <font color="green">"repeatedcv"</font>, <font color="#660099">number</font> = <font color="blue">10</font>, <font color="#660099">repeats</font> = <font color="blue">3</font>)) <font color="gray"># printing parameters</font> print(fit)

#splitting data into train and test setsindex <- createDataPartition(y = data$target, p=0.8, list = FALSE)Бустинг ===training <- data[index{{Main|Бустинг,]testing <- data[-index,]AdaBoost|ll=Бустинг}}

#evaluating model fit <- train(target ~ x + y + z, data = train_flats, method font color= "svmRadialgray", trControl = trainControl(method = "repeatedcv", number = 10, repeats = 3)) >#printing parametersprint(fit)loading libraries</pre> === GBM ===<prefont>#loading libraries install.packages(<font color="green">"mlr"</font>) library(mlr) <font color="gray">#loading data</font> train <- read.csv(<font color="green">"input.csv"</font>) test <- read.csv(<font color="green">"testInput.csv"</font>) <font color="gray">#loading GBM</font> getParamSet(<font color="green">"classif.gbm"</font>) baseLearner <- makeLearner(<font color="green">"classif.gbm"</font>, <font color="#660099">predict.type </font> = <font color= "green">"response"</font>) <font color="gray">#specifying parameters</font> controlFunction <- makeTuneControlRandom(<font color="#660099">maxit </font> = <font color= "blue">50000</font>)<font color="gray">#specifying tuning method</font> cvFunction <- makeResampleDesc(<font color="green">"CV"</font>,<font color="#660099">iters </font> = <font color= "blue">100000</font>) <font color="gray">#definig cross-validation function</font> gbmParameters<- makeParamSet( makeDiscreteParam(<font color="green">"distribution"</font>, <font color="#660099">values </font> = <font color= "green">"bernoulli"</font>), makeIntegerParam(<font color="green">"n.trees"</font>, <font color="#660099">lower </font> = <font color= "blue">100</font>, <font color="#660099">upper </font> = <font color="blue">1000</font>), <font color="gray">#number of trees</font> makeIntegerParam(<font color="green">"interaction.depth"</font>, <font color="#660099">lower </font> = <font color= "blue">2</font>, <font color="#660099">upper </font> = <font color= "blue">10</font>), <font color="gray">#depth of tree</font> makeIntegerParam(<font color="green">"n.minobsinnode"</font>, <font color="#660099">lower </font> = <font color= "blue">10</font>, <font color="#660099">upper </font> = <font color= "blue">80</font>), makeNumericParam(<font color="green">"shrinkage"</font>,<font color="#660099">lower </font> = <font color= "blue">0.01</font>, <font color="#660099">upper </font> = <font color= "blue">1</font>) ) <font color="gray">#tunning parameters</font> gbmTuningParameters <- tuneParams(<font color="#660099">learner </font> = baseLearner, <font color="#660099">task </font> = trainTask, <font color="#660099">resampling </font> = cvFunction, <font color="#660099">measures </font> = acc, <font color="#660099">par.set </font> = gbmParameters, <font color="#660099">control </font> = controlFunction) <font color="gray">#creating model parameters</font> model <- setHyperPars(<font color="#660099">learner </font> = baseLearner, <font color="#660099">par.vals </font> = gbmTuningParameters) <font color="gray">#evaluating model</font> fit <- train(model, train) predictions <- predict(fit, test)</pre>

<prefont color="gray">#$$ importing package and its' dependencies</font> library(ClusterR) <font color="gray">#reading data</font> data <- read.csv(<font color="green">"data.csv"</font>) <font color="gray">#evaluating model</font> model = <- KMeans_arma(data, <font color="#660099">clusters </font> = <font color= "blue">2</font>, <font color="#660099">n_iter </font> = <font color="blue">10</font>, <font color="#660099">seed_mode </font> = <font color= "green">"random_subset"</font>, <font color="#660099">verbose </font> = T, <font color="#660099">CENTROIDS </font> = NULL) <font color="gray">#predicting results</font> predictions = <- predict_KMeans(test_data, model) </pre>