हम भोजन के बारे में बात नहीं करेंगे, लेकिन खोजपूर्ण डेटा विश्लेषण (ईडीए ) के बारे में, जो किसी भी कठोर एमएल के लिए एक प्रस्ताव है।

चलो ईमानदार रहें, प्रक्रिया बल्कि उबाऊ है, और हमारे डेटा के बारे में कम से कम कुछ सार्थक अंतर्दृष्टि प्राप्त करने के लिए, आपको अपने पसंदीदा विज़ुअलाइज़ेशन लाइब्रेरी का उपयोग करके सक्रिय रूप से पर्याप्त समय बिताने की आवश्यकता है।

अब कल्पना करें कि हम बहुत आलसी हैं (लेकिन जिज्ञासु) और इस पूरे लेख में इस अनुवर्ती का अनुसरण करेंगे।

इसके आधार पर, हम खुद से निम्नलिखित प्रश्न पूछते हैं: क्या प्रकृति में एक पेचीदा उपकरण है जो आपको बस अपने पसंदीदा IDE में CTRL + ENTER दबाने और एक स्क्रीन पर (बिना स्क्रॉल किए और अनगिनत सूक्ष्म पहलुओं को प्रदर्शित किए) हमारे डेटासेट के बारे में उपयोगी जानकारी प्रदान करेगा?

इसी समय, हम एक अलग विचार को ध्यान में रखते हैं - यदि ऐसा कोई उपकरण मौजूद है, तो यह क्लासिक ईडीए को प्रतिस्थापित नहीं करेगा, लेकिन यह हमारे लिए उन मामलों में बहुत मदद करेगा, जब आपको हमारे डेटा में मुख्य पैटर्न को जल्दी से ज़ोर देने के लिए विज़ुअलाइज़ेशन पर घंटे खर्च करने की ज़रूरत नहीं है।

इस लेख की संरचना:

हम परिचयात्मक के साथ समाप्त करते हैं और एक आधार के रूप में एक व्यावहारिक उदाहरण लेते हैं।

उदाहरण दृष्टिकोण

_{प्रारंभ में, मैं कुछ प्रकार के अस्पष्ट डेटा ऐरे लेना चाहता था, लेकिन अंत में मैंने महसूस किया कि एक उदाहरण के लिए यह बहुत अच्छा नहीं होगा - पाया गया पैटर्न अस्पष्ट लग सकता है और इसलिए विवादास्पद है, लेकिन हमारा लक्ष्य एल्गोरिदम के साथ एरे तैयार करना है, जिसमें एक पूर्व सूचना नहीं है और हमें वह दिखाएगा जो हमें दिखाएगा। हम पहले से ही जानते हैं, जिससे हमारी व्यवहार्यता की पुष्टि होती है।}

टाइटैनिक मुझे एक उदाहरण के रूप में सबसे सुविधाजनक लग रहा था, इसका आकार आइरिस के रूप में बहुत छोटा नहीं है, इसमें असंक्रामक चर हैं, इसका अच्छी तरह से अध्ययन किया गया है और स्पष्ट भविष्यवक्ता हैं और, महत्वपूर्ण रूप से, एक ऐतिहासिक आधार है।

इसके अलावा, मुझे हबेरा पर एक लेख मिला, जहां लेखक ने इस डेटा सेट का एक बल्कि सावधानीपूर्वक ईडीए आयोजित किया और उन चित्रों के आधार पर जो मैंने निष्कर्षों का प्रदर्शन किया। यह हमारी बेसलाइन का एक प्रकार होगा।

हमारे "बेसलाइन_ईडीए" के एक बड़े नाम के साथ लेख का लिंक:
कागल पर टाइटैनिक: आप इस पोस्ट को अंत तक नहीं पढ़ेंगे ।

सीएसवी को नेटवर्क से डाउनलोड / पढ़ने के साथ परेशान न करने के लिए, हम तुरंत सीआरएएन से मूल डेटा सेट को पकड़ते हैं

install.packages("titanic") data("titanic_train",package="titanic")

संक्षिप्त प्रीप्रोसेसिंग

इस उदाहरण को ऊपर-नीचे करके नेटवर्क में इस तरह से प्रसारित किया जाता है कि मैंने इस विषय पर विशेष रूप से ध्यान नहीं दिया है, मैं बुनियादी चीजें कर रहा हूं: मैं एक महत्वपूर्ण भविष्यवक्ता के रूप में नाम गोंटोरेटर (शीर्षक) से निकालता हूं, मैं इसका उपयोग उम्र के अंतराल को भरने के लिए करता हूं।

 library(tidyverse) titanic_train %>% str d <- titanic_train %>% as_tibble %>% mutate(title=str_extract(Name,"\\w+\\.") %>% str_replace(fixed("."),"")) %>% mutate(title=case_when(title %in% c('Mlle','Ms')~'Miss', #   title=='Mme'~ 'Mrs', title %in% c('Capt','Don','Major','Sir','Jonkheer', 'Col')~'Sir', title %in% c('Dona', 'Lady', 'Countess')~'Lady', TRUE~title)) %>% mutate(title=as_factor(title), Survived=factor(Survived,levels = c(0,1),labels=c("no","yes")), Sex=as_factor(Sex), Pclass=factor(Pclass,ordered = T)) %>% group_by(title) %>% #  -      mutate(Age=replace_na(Age,replace = median(Age,na.rm = T))) %>% ungroup #             table(d$title,d$Sex)

शीर्षक	नर	महिला
श्री	517	0
श्रीमती	0	126
कमी	0	185
स्वामी	40	0
श्रीमान	8	0
फिरना	6	0
डॉ	6	1
महिला	0	2

सभी योग समान रूप से स्वस्थ नहीं हैं ...

आमतौर पर, विश्लेषण की शुरुआत में, मैं एक तरफ अलग-अलग वेरिएबल सेट करता हूं (मैं अलग सेट करता हूं और स्थायी रूप से हटाता नहीं हूं, क्योंकि जब मैं मॉडल से अधिकतम प्राप्त करता हूं, तो कुछ लंबित चर के लिए इंजीनियरिंग मॉडल की गुणवत्ता का एक निश्चित प्रतिशत देता है)।

एक चर की "उपयोगिता" का आकलन करने के लिए मैट्रिक्स फ्रीकराटियो (आवृत्ति में दूसरे मूल्य के सापेक्ष सबसे लोकप्रिय मूल्य की आवृत्तियों का अनुपात) और सेंटीनीक (शक्ति या कार्डिनैलिटी - मूल्यों की कुल संख्या से अद्वितीय संख्या के अनुपात) हैं
विस्तृत मदद कैरेट पैकेज से देखी जा सकती है
?caret::nearZeroVar

 (feat.scan <- caret::nearZeroVar(x = d,saveMetrics = T) %>% rownames_to_column("featName") %>% as_tibble)

दो-आयामी विमान में चर की निगरानी करना मेरे लिए सबसे सुविधाजनक है (दोनों कुल्हाड़ियों को लॉग करके ताकि अंक एक छोटे से ढेर में अतिरंजित बिंदुओं के कारण ओवरप्लेटिंग न करें)।
मुझे कभी आश्चर्य नहीं हुआ कि क्या यह कदम ईडीए है, लेकिन इस लेख को लिखते समय मुझे लगा: हम अब भविष्यवक्ताओं की कुछ उपयोगिता, उनके दृश्य मूल्यांकन की खोजपूर्ण विश्लेषण कर रहे हैं, तो यह ईडीए क्यों नहीं है?

 # install.packages("ggrepel") library(ggrepel) ggplot(feat.scan,aes(x=percentUnique,y=freqRatio,label=featName,col=featName))+ geom_point(size=2)+ geom_text_repel(data = feat.scan,size=5)+scale_x_log10()+scale_y_log10()+theme_bw()

हम बाह्य भविष्यवक्ताओं को शक्ति (एक्स अक्ष) या आवृत्ति अनुपात (Y अक्ष) के संदर्भ में एकरूप मानते हैं और, तदनुसार, अलग सेट करते हैं:
PassengerId; नाम; टिकट; केबिन

 useless.feature <- c("PassengerId","Name","Ticket","Cabin") d <- d %>% select_at(vars(-useless.feature))

यह ब्रह्मांड असत है

यह समझने के लिए कि नीचे सूचीबद्ध पुस्तकालय कैसे डेटा तैयार करते हैं - इस खंड में हम छोटे उदाहरणों के साथ दिखाते हैं कि इन पुस्तकालयों में डेटा तैयार करने के चरण में क्या होता है।

पहले चरण में, सभी डेटा को एक ही प्रकार पर लाना आवश्यक है - अक्सर एक सेट में डेटा श्रेणीबद्ध और संख्यात्मक हो सकता है, इसके अलावा, संख्या में आउटलेयर हो सकते हैं और श्रेणीबद्ध डेटा दुर्लभ श्रेणी हो सकते हैं।

निरंतर चर को श्रेणीबद्ध में बदलने के लिए, हम एक निश्चित नमूने अवधि के साथ हमारी संख्या को डिब्बे में विघटित कर सकते हैं।

5 बिन में अपघटन का सबसे सरल उदाहरण:

 iris %>% as_tibble %>% mutate_if(is.numeric,.funs = ggplot2::cut_number,n=5)

भविष्यवक्ताओं के बीच व्यक्तिगत तत्वों के संबंधों की ताकत और प्रत्यक्षता प्राप्त करने के लिए, एक दूसरी चाल का उपयोग किया जाता है - एक गर्म एन्कोडिंग

 library(recipes) iris %>% as_tibble %>% mutate_if(is.numeric,cut_number,n=5) %>% recipe(x = .) %>% step_dummy(all_nominal(),one_hot = T) %>% prep %>% juice %>% glimpse

5 भविष्यवक्ताओं के बजाय, हमारे पास अब उनमें से 23 हैं, लेकिन द्विआधारी:

सामान्य तौर पर, रूपांतरण चालें समाप्त हो जाती हैं, लेकिन हमारे "गैर-शास्त्रीय" ईडीए के लिए 3 पुस्तकालयों में से 2 का काम इन चरणों से शुरू होता है।

अगला, मैं 3 विज़ुअलाइज़ेशन लाइब्रेरी की कार्यक्षमता का परिचय देता हूं:

Correlationfunnel - एक लक्ष्य पर व्यक्तिगत भविष्य कहनेवाला मूल्यों का प्रभाव दिखाता है (यानी, आप इसे ईडीए पर्यवेक्षक अधिगम कह सकते हैं)
लारेस - अन्य भविष्यवक्ताओं के अन्य व्यक्तिगत मूल्यों पर व्यक्तिगत भविष्यवक्ता मूल्यों के प्रभाव को दर्शाता है (यानी, आप इसे ईडीए अनसुना अधिगम कह सकते हैं)
आसान - लक्ष्य के अनुसार प्रति "शीर्ष" एक्स भविष्यवक्ताओं के समूहीकृत मूल्यों के संचयी संबंध को दर्शाता है (यानी, आप इसे ईडीए पर्यवेक्षित अधिगम कह सकते हैं)

यह स्पष्ट है कि उनकी कार्यक्षमता अलग है, इसलिए, इन पुस्तकालयों का प्रदर्शन करते हुए, मैं इस पैकेज की उपर्युक्त कार्यक्षमता के आधार पर हमारे "बेसलाइन_ईडीए" के लेख से लेखक के निष्कर्ष को उद्धृत करूंगा। (उदाहरण के लिए, यदि लेखक उत्तरजीविता पर उम्र की निर्भरता दिखाता है, तो मैं इस तरह के उद्धरण कोरिलेशनफनेल में डालूंगा, यदि उम्र वर्ग पर है, तो लार्स में, आदि)

पहला पुस्तकालय मंच पर है।

correlationfunnel

correlationfunnel को Exploratory Data Analysis (EDA) को गति देना है

लाइब्रेरी विगनेट में कार्यप्रणाली अच्छी तरह से वर्णित है, मैं द्विआधारी मूल्यों द्वारा सहसंबंध की गणना करने का एक टुकड़ा दूंगा

पुस्तकालय हमारे डेटा में एक लक्ष्य (आश्रित चर) की उपस्थिति को मानता है और तुरंत एक तस्वीर पर रिश्ते की ताकत और दिशा को दर्शाता है और यह दृश्य फ़नल बनाने वाले इस बल के अवरोही क्रम में भी रैंक करता है (वास्तव में, यह वह जगह है जहां से नाम आता है)।

लाइब्रेरी में बनाया गया बाइनरीकरण कार्य आपको दूसरों में छोटी श्रेणियों को कम करने की अनुमति देता है।

चूंकि लाइब्रेरी पूर्णांक चर के साथ काम नहीं करती है, इसलिए हम उन्हें संख्यात्मक में बदल देंगे और हमारे टाइटैनिक में वापस आ जाएंगे।

 #install.packages("correlationfunnel") library(correlationfunnel) d <- d %>% mutate_if(is.integer,as.numeric) d %>% binarize(n_bins = 5,thresh_infreq = .02,one_hot = T) %>% #    correlate(target = Survived__yes) %>% plot_correlation_funnel() # "interactive = T" - plotly!

एक्स-एक्सिस पर, हमारे पास सह-संबंध की ताकत और दिशा है, वाई-एक्सिस पर, हमारे भविष्यवक्ताओं को अवरोही क्रम में रैंक किया गया है। पहले वाला हमेशा लक्ष्य को दर्शाता है वह खुद के साथ सबसे मजबूत संबंध है (-1; 1)।

आइए देखें कि इस ग्राफ के निष्कर्ष हमारे "बेसलाइन_ईडीए" के लेखक के निष्कर्ष के साथ कैसे ओवरलैप होते हैं।

निम्नलिखित ग्राफ इस सिद्धांत की पुष्टि करता है कि यात्री केबिन वर्ग जितना अधिक होगा, अस्तित्व की संभावना उतनी ही अधिक होगी। ("ऊपर" "" मेरा मतलब है कि रिवर्स ऑर्डर, क्योंकि पहली कक्षा दूसरी और विशेष रूप से तीसरी से अधिक है।)

फ़नल से पता चलता है कि सहसंबंध शक्ति के मामले में वर्ग तीसरा भविष्यवक्ता है, और वास्तव में, तृतीय श्रेणी में, व्युत्क्रम सहसंबंध, 1 में, एक मजबूत सकारात्मक है।

पुरुषों और महिलाओं के लिए जीवित रहने की संभावनाओं की तुलना करें। डेटा पहले व्यक्त किए गए सिद्धांत की पुष्टि करता है।

(सामान्य तौर पर, हम पहले से ही कह सकते हैं कि मॉडल का मुख्य कारक यात्री का लिंग होगा)

फ़नल से पता चलता है कि यात्री का लिंग सहसंबंध की डिग्री के अनुसार 2 है, महिला लिंग को जीवित रहने के साथ सहसंबद्ध किया जाता है, पुरुष लिंग मृत्यु के साथ सहसंबद्ध होता है।

आप उस परिकल्पना का भी परीक्षण कर सकते हैं कि युवा लोग जीवित रहते हैं, क्योंकि वे तेजी से आगे बढ़ते हैं, बेहतर तैरते हैं, आदि।

जैसा कि आप देख सकते हैं, एक स्पष्ट निर्भरता यहां दिखाई नहीं दे रही है।

फ़नल वास्तव में इस भविष्यवक्ता के कमजोर महत्व की बात करता है (मुझे याद है कि गोनोरेंट / शीर्षक में उम्र शामिल है, यही वजह है कि उम्र इतनी महत्वपूर्ण नहीं है), लेकिन यहां तक कि फ़नल से पता चलता है कि श्रेणियों में "माइनस इनफिनिटी - 20 वर्ष" (यानी बच्चे) जीवित रहने की अधिक संभावना है। ) और 30-38 (धनी लोग, संभवतः 1 वर्ग)।

आइए सर्वाइवल परसेंटेज जैसे इंडिकेटर को पेश करें और पिछले चरण में निकले समूहों पर इसकी निर्भरता को देखें

(लेखक के समूह का अर्थ है शीर्षक)।

फ़नल पूरी तरह से लेखक के निष्कर्षों की पुष्टि करता है

अब आइए उस जानकारी को देखें जो जहाज पर रिश्तेदारों की संख्या से प्राप्त की जा सकती है।

यह बहुत संभावना है कि रिश्तेदारों की अनुपस्थिति, साथ ही बड़ी संख्या में, अस्तित्व को नकारात्मक रूप से प्रभावित करता है।

फ़नल में SibSP स्पष्ट रूप से एक ही बात कहता है।

और हां, लेखक के निष्कर्षों के अलावा, यहां आप अन्य पैटर्न देख सकते हैं, मैं पाठक के लिए चिंतन का आनंद छोड़ दूंगा

चूल्हा

रैंक-क्रॉस-सहसंबंधों के साथ अंतर्दृष्टि प्राप्त करें

इस पुस्तकालय के लेखक और भी आगे बढ़े - वह न केवल लक्ष्य पर निर्भरता दिखाता है, बल्कि हर चीज पर भी।

रैंक क्रॉस-सहसंबंध न केवल बाकी के साथ एक विशिष्ट लक्ष्य सुविधा के रिश्तों की व्याख्या करता है, बल्कि सारणीबद्ध प्रारूप का उपयोग करने और समझने के लिए आपके डेटा में सभी मूल्यों का संबंध है ।

यह स्वचालित रूप से श्रेणीबद्ध स्तंभों को एक गर्म एन्कोडिंग (1s और 0s) और अन्य स्मार्ट समूहों जैसे कि "अन्य" लेबल के साथ संख्यात्मक रूप से बहुत लगातार मूल्यों और नई सुविधाओं से बाहर तारीखों में परिवर्तित करता है।

ऊपर दिए गए लिंक का उपयोग करते हुए, आप एक उदाहरण देख सकते हैं जहां लेखक अपने पैकेज में स्टार वार्स डेटासेट खिलाता है और जो निर्भरताएं पाई जाती हैं, मैं उनके पेज पर अटक गया, बहुत अच्छा।

आइए हमारे उदाहरण पर प्रयास करें।

 # ,     : # devtools::install_github("laresbernardo/lares") library(lares) corr_cross(df = d,top = 30)

उद्धरणों पर आधारित निष्कर्ष के साथ चौराहे के अलावा, कोरिलेशनफुननेल में हम कुछ उद्धरण प्रस्तुत करते हैं जिन्हें हम लक्ष्य की परवाह किए बिना यहां देख सकते हैं:

अन्य पैटर्न भी मिल सकते हैं। उम्र और वर्ग के बीच एक नकारात्मक सहसंबंध है, जो कि पुराने यात्रियों के कारण सबसे अधिक संभावना है जो अक्सर अधिक महंगा केबिन खरीद सकते हैं।

उपरोक्त उद्धरण में, लेखक कुल मिलाकर 2 क्षेत्रों के सहसंबंध विश्लेषण पर ऐसा निष्कर्ष निकालता है, लेकिन One-Hot-Encoding के साथ, यह आयु + P_Class_1 के बीच मजबूत सकारात्मक सहसंबंध से स्पष्ट है।

इसके अलावा, टिकट की कीमत और वर्ग निकटता से संबंधित हैं (उच्च सहसंबंध गुणांक), जो काफी अपेक्षित है।

ऊपर की तीसरी पंक्ति: किराया + P_Class_1

लेखक के निष्कर्षों के साथ अंतर करने के अलावा, यहां एक और अधिक दिलचस्प चीजों पर जोर दिया जा सकता है, मैं पाठक के लिए चिंतन का आनंद भी छोड़ दूंगा।

शीर्ष X सबसे शक्तिशाली अंतर्दृष्टि के वैकल्पिक चयन के अलावा, आप पूरी तस्वीर और कुल द्रव्यमान में इन महत्वपूर्ण बिंदुओं के स्थान को भी दर्शा सकते हैं।

 corr_cross(df = d,type=2)

easyalluvial

जलोढ़ भूखंडों के साथ डेटा की खोज

यहां, पिछले 2 पैकेजों की तरह, लेखक प्रारंभ में संख्यात्मक चर का द्वैतकरण करता है, लेकिन फिर उन पुस्तकालयों के साथ उसका मार्ग बदल जाता है: {One-HotEncoding + correlation} के बजाय, पुस्तकालय सबसे दिलचस्प भविष्यवक्ताओं के शीर्ष X को बाहर निकालता है (उपयोगकर्ता यह तय करता है कि किसे स्थानांतरित करना है ) मूल्यों के आधार पर, प्रवाह बनता है जिसका रंग लक्ष्य पर निर्भर है, और इस धारा में टिप्पणियों की संख्या पर धारा की चौड़ाई।

संख्यात्मक चर HH (उच्च उच्च), MH (मध्यम उच्च), M (मध्यम), ML (मध्यम कम), LL (निम्न निम्न) श्रेणियों में विघटित होते हैं।

सबसे पहले, चलो सहसंबंध से ग्राफ के आधार पर सबसे महत्वपूर्ण भविष्यवाणियां लेते हैं:

 cor.feat <- c("title","Sex","Pclass","Fare")

आगे हम एक कार्यक्रम बनाते हैं

 # install.packages("easyalluvial") library(easyalluvial) al <- d %>% select(Survived,cor.feat) %>% alluvial_wide(fill_by = "first_variable") add_marginal_histograms(p = al,data_input = d,keep_labels = F)

लेखक के उद्धरणों के लिए, हम उपयुक्त भविष्यवक्ताओं का उपयोग करके चार्ट को फिर से आकर्षित करते हैं।

 cor.feat <- c("Sex","Pclass","Age") al <- d %>% select(Survived,cor.feat) %>% alluvial_wide(fill_by = "first_variable") add_marginal_histograms(p = al,data_input = d,keep_labels = F)

उदाहरण के लिए, निम्नलिखित ग्राफ स्पष्ट रूप से दर्शाता है कि जीवित बचे लोगों के मुख्य समूह सभी उम्र की पहली और दूसरी श्रेणी की महिलाएं हैं।

ग्राफ यह भी दर्शाता है कि ग्रेड 3 की जीवित महिलाएं भी एक छोटा समूह नहीं हैं

और पुरुषों में, 15 वर्ष से कम आयु के सभी लड़के सेवा के तीसरे वर्ग और बड़े पुरुषों के एक छोटे अनुपात को छोड़कर बच गए और ज्यादातर प्रथम श्रेणी से।

पूर्वोक्त की पुष्टि हो गई है, लेकिन फिर से हम एमएल, आयु वर्ग एलएल में वर्ग 3 पुरुषों के जीवित रहने के प्रवाह को देखते हैं।

उपर्युक्त सब कुछ "आसान" पैकेज के बारे में था, लेकिन लेखक ने एक दूसरा पैकेज "पार्सट्स" लिखा, जो कथानक के शीर्ष पर उपरोक्त ग्राफ को इंटरैक्टिव बनाता है (जैसा कि इस खंड के शीर्षक में है)।
यह न केवल टूलटिप संदर्भ को देखने के लिए संभव बनाता है, बल्कि एक बेहतर दृश्य धारणा के लिए प्रवाह को पुन: बनाने के लिए भी। (दुर्भाग्य से, जबकि पुस्तकालय बहुत अनुकूलित नहीं है और यह टाइटैनिक पर धीमा हो जाता है)

 # install.packages("parcats") library(parcats) cor.feat <- c("title","Sex","Pclass","Fare") a <- d %>% select(Survived,cor.feat) %>% alluvial_wide(fill_by = "first_variable") parcats(p = a,marginal_histograms = T,data_input = d)

बोनस

खोजपूर्ण डेटा विश्लेषण के अलावा आसान पुस्तकालय, का उपयोग ब्लैक बॉक्स मॉडल (उन मापदंडों का विश्लेषण करने वाले मॉडल के एक दुभाषिया के रूप में भी किया जा सकता है - किस तर्क से मॉडल कुछ भविष्यवक्ताओं के आधार पर उत्तर देता है)।

लेखक लेख के लिए लिंक: जलोढ़ भूखंडों के साथ मॉडल की प्रतिक्रिया की कल्पना करें
और ख़ासियत उन सभी पुस्तकालयों की है जो मैंने देखीं, एक ग्राफ पर अधिकतम ने 2 आयामी समन्वय प्रणाली (प्रत्येक भविष्यवक्ता के लिए एक) में ब्लैक बॉक्स की प्रतिक्रिया को समझाया, रंग ने प्रतिक्रिया को समझाया।

आसान पुस्तकालय आपको एक ही समय में 2 से अधिक भविष्यवाणियों पर ऐसा करने की अनुमति देता है (निश्चित रूप से, इसे दूर नहीं किया जाना बेहतर है)।

उदाहरण के लिए, हमारे डेटा सरणी पर एक यादृच्छिक जंगल को प्रशिक्षित करें और 3 भविष्यवक्ताओं का उपयोग करके यादृच्छिक वन की व्याख्या को प्रतिबिंबित करें।

 library(ranger) m <- ranger(formula = Survived~.,data = d,mtry = 6,min.node.size = 5, num.trees = 600, importance = "permutation") library(easyalluvial) (imp <- importance(m) %>% as.data.frame %>% easyalluvial::tidy_imp(imp = .,df=d)) #      #  N-     (   .  !)   dspace <- get_data_space(df = d,imp,degree = 3) #     pred = predict(m, data = dspace) alluvial_model_response(pred$predictions, dspace, imp, degree = 3)

इसके अलावा, लेखक के पास CARET मॉडल का एक कनेक्टर है (मुझे नहीं पता कि यह अब tidymodels पर कितना प्रासंगिक है)

 library(caret) trc <- trainControl(method = "none") m <- train(Survived~.,data = d,method="rf",trControl=trc,importance=T) alluvial_model_response_caret(train = m,degree = 4,bins=5,stratum_label_size = 2.8)

निष्कर्ष

एक बार फिर मैं दोहराता हूं कि मैं क्लासिक ईडीए के प्रतिस्थापन के लिए फोन नहीं करता हूं, लेकिन सहमत हूं कि यह अच्छा है जब कोई विकल्प होता है जो बहुत समय बचाता है, खासकर यह देखते हुए कि लोग स्वाभाविक रूप से पर्याप्त आलसी हैं, और यह, जैसा कि आप जानते हैं, प्रगति का इंजन है :)

अलग कोण से ई.डी.ए.