-
Notifications
You must be signed in to change notification settings - Fork 2
/
BAGGING.Rmd
231 lines (166 loc) · 5.44 KB
/
BAGGING.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
---
title: "BAGGING TREES"
output: html_notebook
---
# BAGGING TREES (Bootstrap Agregating)
## Kütüphanelerin Yüklenmesi
```{r}
library(caret)
library(tidyverse)
library(AppliedPredictiveModeling)
library(pls) #kismi en kucuk kareler ve pcr icin
library(elasticnet)
library(broom) #tidy model icin
library(glmnet)
library(MASS)
library(ISLR)
library(PerformanceAnalytics)
library(funModeling)
library(Matrix)
library(kernlab) #svm
library(e1071) #svm icin
library(rpart) #cart icin
library(pgmm) #olive data seti icin
library(dslabs)
library(rpart.plot) #rpart gorsel icin
library(partykit) #karar agaci gorseli icin
library(ipred) #bagging icin
library(randomForest)
library(gbm)
library(nnet)
library(neuralnet)
library(GGally)
library(NeuralNetTools) #garson fonksiyonu icin
library(FNN)
library(dplyr)
library(ggpubr)
```
## Verisetinin yüklenmesi
```{r}
df <- Boston
head(df)
```
### Veriye grafikler ve foksiyonlar yardımıyla ilk bakış:
```{r}
profiling_num(df)
glimpse(df)
summary(df)
ggpairs(df)
pairs(df,pch=18)
```
### Train-Test Ayrımı
```{r}
set.seed(3456)
train_indeks <- createDataPartition(df$medv, p=0.8, list = F, times = 1)
train <- df[train_indeks, ]
test <- df[-train_indeks, ]
train
train_x <- train %>% dplyr::select(-medv)
train_y <- train$medv
test_x <- test %>% dplyr::select(-medv)
test_y <- test$medv
```
## Bagging Tree Kurulması
```{r}
# 1. yöntem
bag_tree <- ipredbagg(train_y, train_x)
bag_tree
names(bag_tree)
# 2. yöntem
bag_tree2 <- bagging(medv~., data = train)
summary(bag_tree2)
# random forest ile kullanımı
# Eğer random forest ın mtry parametresi bağımsız değişken sayısına eşitlenirse bagging yapılmış olur.
bag_forest <-
randomForest(
medv ~ .,
data = train,
mtry = ncol(train) - 1, #veya ncol(train_x) yazıp 1 çıkarmayabilirdik
importance = T,
ntrees = 500
)
bag_forest
summary(bag_forest)
importance(bag_forest) # değişkenlerinönem düzeyleri
varImpPlot(bag_forest)
```
## Tahmin
Biz burada bag_forest ile tahmin yapıp test hatamıza bakacağız.
```{r}
pred_y <- predict(bag_forest, test_x)
defaultSummary(data.frame(obs=test_y,
pred=pred_y))
```
#### Acaba bagging yapmanın tek bir ağaçla tahmine göre hatayı düşürmeye katkısı nedir? Bunu görmek için bir plot çizdirip sonuçlarına bakalım.
```{r}
plot(bag_forest, col="dodgerblue", lwd=2,
main = "Bagged Trees: Hata ve Ağaç Sayısı Karşılaştırılması")
grid()
```
Gördüğümüz gibi ağaç sayısı arttıkça hatamız düşüyor
## Model Tuning
Model Tuning işlemini random forest üzerinden mtry değerini bağımsız değişken sayısına eşitleyerek yapacağız.
```{r}
ctrl <- trainControl(method = "cv", number = 10)
mtry <- ncol(train_x)
tune_grid <- expand.grid(mtry = mtry)
bag_tune <- train(train_x, train_y,
method="rf",
tuneGrid = tune_grid,
trainControl=ctrl)
bag_tune
```
Aslında br tune işleminden daha çok validasyon işlemi yapmış olduk.
## BONUS: RANDOM FOREST
Random Forest için burdan devem etmek daha anlaışılır olur.
```{r}
rf_fit <- randomForest(train_x, train_y, importance = T)
#büyük veri setlerinde importance parametresi işlemi yavaşlatabilir.
importance(rf_fit)
varImpPlot(rf_fit)
# var importance plot
```
### Random Forest ile Tahmin
```{r}
pred_y <- predict(rf_fit, test_x)
plot(pred_y, test_y, xlab="Tahmin Edilen Değerler",
ylab="Gerçek Değerler",
main="Random Forest: \nTahmin ve Gerçek Değer Karşılaştırması",
col="turquoise4", pch=19)
grid()
defaultSummary(data.frame(obs=test_y,
pred=pred_y))
```
Hatamızı hesapladıktan sonra görüyoruz ki iyi bir sonuç ortaya çıkmış.
## Model Tuning
Random Forest için tune edilecek iki parametre vardır. Bunlardan birincisi mtry ikincisi ise ntrees argümanı. BU iki değeri arayarak en iyi sonucu verenleri kullanabiliriz.
```{r}
ctrl <- trainControl(method = "cv", number = 10)
tune_grid <- expand.grid(mtry = c(2:8))
rf_tune <- train(train_x, train_y,
method="rf",
tuneGrid = tune_grid,
trainControl=ctrl)
rf_tune
plot(rf_tune)
rf_tune$results %>% filter(mtry == as.numeric(rf_tune$bestTune))
defaultSummary(data.frame(obs=test_y,
pred=predict(rf_tune, test_x)))
```
Sonuç olarak 6 değerini mtry argümanı için en iyi değer olarak bulduk.
## Random Search ile Model Tune
Burada bir önerim var: Çok fazla sayıda mtry argümanı verip sonuç beklemek yerine mantıklı bir aralıkta 3 tane sayı vererek grafiğini çizdirirsek, grafiğin en düşük olduğu noktada yeniden aralık daraltılarak arama yapmak daha mantıklı olacaktır.
```{r}
ctrl <- trainControl(method = "cv", number = 10, search = "random")
tune_grid <- expand.grid(mtry = c(2:8))
rf_random_tune <- train(train_x, train_y,
method="rf",
tuneLength = 5, #kaç rasgele deneme yapacağı
trainControl=ctrl)
rf_random_tune
plot(rf_random_tune)
rf_random_tune$results %>% filter(mtry == as.numeric(rf_random_tune$bestTune))
defaultSummary(data.frame(obs=test_y,
pred=predict(rf_random_tune, test_x)))
```
Random olarak mtry için 2,4,7,10,13 değelerini denemiş ve en optimum değer olarak 7 yi seçmiş. Biz ise 6 değerinin en düşük RMSE değerinde olduğunu biliyoruz ve 6 ya en yakın olanı seçmesi son derece mantıklı.