Примеры кода на R

Материал из Викиконспекты
Версия от 17:42, 20 апреля 2020; KristinaSharaeva (обсуждение | вклад) (Описание основных пакетов)
Перейти к: навигация, поиск

Особенности написания кода на R

Язык R изначально создавался как язык программирования для работы с графикой и статистической обработки данных. Поэтому он отличается большим количеством реализованных статистических алгоритмов, на основе которых можно создавать модели и алгоритмы машинного обучения.

Язык постоянно расширяется за счёт новых библиотек (пакетов). Для импорта одного пакета необходимо прописать в файле следующие строки:

install.packages("packageName")
require("packageName")

Для того чтобы импортировать пакет с его зависимостями в код следует включить следующие строки:

library("packageName")

Описание известных пакетов

Для языка R написано много пакетов, каждый из которых предназначен для решения определенного круга проблем. Например, для обработки данных или реализации основных алгоритмов. В статье представлено несколько наиболее часто используемых пакетов.

Пакеты для обработки данных

Pipelearner

Пакет предоставляет базовые возможности для разбиения набора данных на блоки для обучения моделей. В основе пакета лежит концепция работы конвейера. Пакет хорошо документирован, все непонятные моменты можно прояснить, просто изучив структуру объекта на каждом этапе работы алгоритма.

MICE

Пакет MICE 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.

Ggplot2

Данный пакет используется для отрисовки данных и графиков.

Пакеты с реализованными алгоритмами машинного обучения

Caret

В данном пакете представлены модели для регрессии и классификации, а также большая часть популярных метрик. В настоящее время имеется возможность использовать более 180 различных алгоритмов. Основная функция в составе Caret - функция train(). Параметры обучения в ней задаются аргументом trControl, а оценка качества модели - аргументом metric. Отличительными особенностями Caret является универсальность используемых команд, наличие автоматического подбора гиперпараметров для алгоритмов, в также наличие параллельных вычислений.

Mlr

В пакете Mlr представлены модели для регрессии, классификации, кластеризации и анализа выживаемости, а также широкие возможности для оценки качества (в том числе функции для анализа ROC-кривых). Есть поддержка параллельных вычислений и конвейерных операций.

H2O

В пакете представлены линейные модели, такие как градиентный бустинг, PCA, GLRM, KNN, Radom forest, наивный Байесовский классификатор. Сильная сторона этой библиотеки – работа с большими объемами данных и поддержка многопоточных вычислений.Однако в ней нет возможности задавать параметры используемых алгоритмов

Примеры алгоритмов

Задачи регрессии

Линейная регрессия

#$$Читаем данные
data <- read.delim('input.dat', header = TRUE)

#Создаем модель 
data.x <- lm(data$x ~ data$y)

#Получаем информацию о созданной модели
summary(data.x)

#Визуализируем данные
plot(data$y, data$x)
lines(data$y, predict(data.x), col = 'red')

Множественная регрессия

#$$Читаем данные
data <- read.delim('input.dat', header = TRUE)

#Создаем модель множественной регрессии
fit <- lm(target ~ x + y + z, data = data)

#Получаем информацию о созданной модели
summary(fit)

Логистическая регрессия

Логистическая регрессия – это модель регрессии, в которой переменная ответа принимает значения 0 или 1 (True или False). Реализация на языке R представлена в следующем фрагменте:

#reding data
data <- rawData[,c("target","x","y","z")]

#creating model using glm function
target.data = glm(formula = target ~ x + y + z, data = data, family = binomial)

#printing summary
print(summary(target.data))

Деревья решений, случайный лес

Деревья решений

Для создания деревьев решений в R используется функция ctree из пакета party.

#importing package 
install.packages("party")

#reading data
data <- read.delim('input.dat', header = TRUE)

#creating model 
  output.tree <- ctree(target ~ x + y + z, data = data)

#plotting results
plot(output.tree)

Случайный лес

Для создания случайного леса необходимо импортировать пакет randomForest

#importing packages 
install.packages("party")
install.packages("randomForest")

#reading data
data <- read.delim('input.dat', header = TRUE)

#creating the forest
output.forest <- randomForest(target ~ x + y + z, 
           data = data)

#getting results
print(output.forest) 

Байессовская классификация

#$$importing package and it's dependencies
library(e1071)

#reading data
data<- read.csv("input.csv")

#splitting data into training and test data sets
index <- createDataPartition(y = data$target, p = 0.8,list = FALSE)
training <- data[index,]
testing <- data[-index,]

#create objects x which holds the predictor variables and y which holds the response variables
x = training[,-9]
y = training$target

model = train(x,y,'nb',trControl=trainControl(method='cv',number=10))

predictions <- predict(model,newdata = testing )

Кластеризация

install.package("ClusterR")
data <- read.csv("data.csv")

km = KMeans_arma(data, clusters = 2, n_iter = 10, seed_mode = "random_subset", 
                 verbose = T, CENTROIDS = NULL)
pr = predict_KMeans(pca_dat, km)

SVM

#$$ importing package and its' dependencies
library(caret)

#reading data
data <- read.csv("input.csv", sep = ',', header = FALSE)

#splitting data into train and test sets
index <- createDataPartition(y = data$target, p=0.8, list = FALSE)
training <- data[index,]
testing <- data[-index,]


#defining training function 
ctrl <- trainControl(method = "repeatedcv", number = 10, repeats = 3)

#evaluating model 
fit <- train(target ~ x + y + z,
             data = train_flats,
             method = "svmRadial",
             trControl = ctrl)

#printing parameters
print(fit)

См. также

Примечания