qeMLパッケージの紹介

caretやtidymodelsと同じような機械学習のラッパーqeMLパッケージの紹介

1. qeMLパッケージの紹介 R研究集会2023 (2023/12/16) @bob3bob3
2. qeMLパッケージとは？ • caret、mlr3、tidymodelsと同じような、機械 学習に統一的なインターフェイスを提供する ラッパー。 • 「qe」は「quick and easy」。 • とにかくシンプルで「 one liner」で機械学習を 事項できるのが売り。
3. 作者 Norman Matloff The Art of R Programming (2011) の著者。
4. 実行例 library(qeML) # メジャーリーガーのデータセット。ポジション、身長、体重、年齢 data(mlb1) # 体重を推定するモデル # 決定木、ランダムフォレスト、勾配ブースティング mlb1_rpart <- mlb1 |> qeRpart("Weight") mlb1_rf <- mlb1 |> qeRFranger("Weight") mlb1_gb <- mlb1 |> qeGBoost("Weight")
5. 実行例 # 推定 new_data <- data.frame(Position='Catcher', Height=73, Age=28) mlb1_rpart |> predict(new_data) mlb1_rf |> predict(new_data) mlb1_gb |> predict(new_data) # これだけ！ # 簡単だね！
6. Enjoy?
7. いやいや、まてまて • バリデーションは？ • ハイパーパラメーターのチューニングは？
8. バリデーションは勝手にやってくれる # testデータでのMAE mlb1_rpart$testAcc mlb1_rf$testAcc mlb1_gb$testAcc data.frame( name = c("rpart", "rf", "gb"), MAE = list(mlb1_rpart, mlb1_rf, mlb1_gb) |> map_dbl(\(x) pluck(x, "testAcc")) ) |> arrange(MAE) # name MAE # 1 rf 13.23741 # 2 gb 13.74169 # 3 rpart 14.24358
9. チューニングもできる # ランダムフォレストのグリッドサーチ例 qs_ft_rf <- mlb1 |> qeFT( "Weight", "qeRFranger", pars = list(nTree= seq(100, 1000, 250), minNodeSize= seq(10, 30, 10)), nTst = 100, nXval = 10, showProgress=TRUE ) qs_ft_rf$outdf |> slice_min(meanAcc) # nTree minNodeSize meanAcc CI bonfCI # 1 350 10 8.326976 8.531146 8.653432
10. その他の機能 • 次元縮約、次元削減 • 並列化 • 欠損補完 • モデルの比較 • Quick Start, ML Overviewなど親切なビネットがたくさん！ • データセットも山盛り
11. ……ただし • まだまだ開発中で発展途上。 • ドキュメントも書きかけという感じ。 • 実装されている手法がcaret、tidymodelsと比べるとまだ少ない。 • 実装が不完全な手法もある（xgboost, lightgbmなど） • バリデーションの評価指標を変更ができない • Macだとインストールできないらしい（誰か検証して！）
12. Enjoy!