Voorspel de overleving van mussen

In deze oefening voorspel je de overlevingskans met het mussensurviemodel uit de vorige oefening.

Onthoud dat je bij het aanroepen van predict() (docs) om de voorspelde kansen uit een glm()-model te krijgen, moet aangeven dat je de response wilt:

predict(model, type = "response")

Doe je dat niet, dan geeft predict() bij een logistische regressie de voorspelde log-odds van de gebeurtenis terug, niet de kans.

Je gebruikt ook de functie GainCurvePlot() (docs) om de gain-curve op basis van de modelvoorspellingen te plotten. Als de gain-curve van het model dicht bij de ideale ("wizard") gain-curve ligt, dan heeft het model de mussen goed gesorteerd: met andere woorden, het model voorspelde voor mussen die daadwerkelijk overleefden een hogere overlevingskans. De inputs van de functie GainCurvePlot() zijn:

frame: data frame met predictiekolom en ground-truthkolom
xvar: de naam van de kolom met voorspellingen (als string)
truthVar: de naam van de kolom met de daadwerkelijke uitkomst (als string)
title: een titel voor de plot (als string)

GainCurvePlot(frame, xvar, truthVar, title)

Het sparrow-data frame en het model sparrow_model zijn al voor je geladen.

Deze oefening maakt deel uit van de cursus

Supervised Learning in R: Regressie

Cursus bekijken

Oefeninstructies

Maak een nieuwe kolom in sparrow met de naam pred die de voorspellingen op de trainingsdata bevat.
Roep GainCurvePlot() aan om de gain-curve van de voorspellingen te maken. Doet het model het goed in het sorteren van de mussen op wel of niet daadwerkelijk overleefd?

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# sparrow is available
summary(sparrow)

# sparrow_model is available
summary(sparrow_model)

# Make predictions
sparrow$pred <- ___

# Look at gain curve
___(___, ___, ___, "sparrow survival model")

Code bewerken en uitvoeren

Deze oefening maakt deel uit van de cursus

Supervised Learning in R: Regressie

SkillTag.level.intermediateSkillTag.label

4.6+

Begin de cursus gratis

In this chapter we introduce the concept of regression from a machine learning point of view. We will present the fundamental regression method: linear regression. We will show how to fit a linear regression model and to make predictions from the model.

Exercise 1: Welcome and Introduction Exercise 2: Identify the regression tasks Exercise 3: Linear regression - the fundamental method Exercise 4: Code a simple one-variable regression Exercise 5: Examining a model Exercise 6: Predicting once you fit a model Exercise 7: Predicting from the unemployment model Exercise 8: Multivariate linear regression (Part 1)Exercise 9: Multivariate linear regression (Part 2)Exercise 10: Wrapping up linear regression

Now that we have learned how to fit basic linear regression models, we will learn how to evaluate how well our models perform. We will review evaluating a model graphically, and look at two basic metrics for regression models. We will also learn how to train a model that will perform well in the wild, not just on training data. Although we will demonstrate these techniques using linear regression, all these concepts apply to models fit with any regression algorithm.

Exercise 1: Evaluating a model graphically Exercise 2: Graphically evaluate the unemployment model Exercise 3: The gain curve to evaluate the unemployment model Exercise 4: Root Mean Squared Error (RMSE)Exercise 5: Calculate RMSE Exercise 6: R-squared Exercise 7: Calculate R-squared Exercise 8: Correlation and R-squared Exercise 9: Properly Training a Model Exercise 10: Generating a random test/train split Exercise 11: Train a model using test/train split Exercise 12: Evaluate a model using test/train split Exercise 13: Create a cross validation plan Exercise 14: Evaluate a modeling procedure using n-fold cross-validation

Before moving on to more sophisticated regression techniques, we will look at some other modeling issues: modeling with categorical inputs, interactions between variables, and when you might consider transforming inputs and outputs before modeling. While more sophisticated regression techniques manage some of these issues automatically, it's important to be aware of them, in order to understand which methods best handle various issues -- and which issues you must still manage yourself.

Exercise 1: Categorical inputs Exercise 2: Examining the structure of categorical inputs Exercise 3: Modeling with categorical inputs Exercise 4: Interactions Exercise 5: Modeling an interaction Exercise 6: Modeling an interaction (2)Exercise 7: Transforming the response before modeling Exercise 8: Relative error Exercise 9: Modeling log-transformed monetary output Exercise 10: Comparing RMSE and root-mean-squared Relative Error Exercise 11: Transforming inputs before modeling Exercise 12: Input transforms: the "hockey stick"Exercise 13: Input transforms: the "hockey stick" (2)

Now that we have mastered linear models, we will begin to look at techniques for modeling situations that don't meet the assumptions of linearity. This includes predicting probabilities and frequencies (values bounded between 0 and 1); predicting counts (nonnegative integer values, and associated rates); and responses that have a non-linear but additive relationship to the inputs. These algorithms are variations on the standard linear model.

Exercise 1: Logistische regressie om kansen te voorspellen Exercise 2: Fit een model voor de overlevingskans van mussen Exercise 3: Voorspel de overleving van mussen

Huidige oefening

Exercise 4: Poisson- en quasipoisson-regressie om aantallen te voorspellen Exercise 5: Poisson of quasipoisson Exercise 6: Pas een model toe om aantallen fietsverhuur te voorspellen Exercise 7: Voorspel fietsverhuur op nieuwe data Exercise 8: Visualiseer de voorspellingen voor de fietsverhuur Exercise 9: GAM om niet-lineaire transformaties te leren Exercise 10: Formules schrijven voor GAM-modellen Exercise 11: Formules schrijven voor GAM-modellen (2)Exercise 12: Modelleer sojagroei met GAM Exercise 13: Voorspellen met het sojaboonmodel op testdata

In this chapter we will look at modeling algorithms that do not assume linearity or additivity, and that can learn limited types of interactions among input variables. These algorithms are *tree-based* methods that work by combining ensembles of *decision trees* that are learned from the training data.

Exercise 1: The intuition behind tree-based methods Exercise 2: Predicting with a decision tree Exercise 3: Random forests Exercise 4: Build a random forest model for bike rentals Exercise 5: Predict bike rentals with the random forest model Exercise 6: Visualize random forest bike model predictions Exercise 7: One-Hot-Encoding Categorical Variables Exercise 8: vtreat on a small example Exercise 9: Novel levels Exercise 10: vtreat the bike rental data Exercise 11: Gradient boosting machines Exercise 12: Find the right number of trees for a gradient boosting machine Exercise 13: Fit an xgboost bike rental model and predict Exercise 14: Evaluate the xgboost bike rental model Exercise 15: Visualize the xgboost bike rental model