01-cross-validation-caret.Rmd 3.48 KB
Newer Older
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
---
title: "Validação cruzada com o pacote `caret`"
author: Prof. Walmes M. Zeviani & Prof. Eduardo V. Ferreira
date: 2018-08-24
#bibliography: ../config/Refs.bib
#csl: ../config/ABNT-UFPR-2011-Mendeley.csl
---

```{r, include = FALSE}
source("../config/setup.R")
opts_chunk$set(
    cache = FALSE,
    message = FALSE,
    warning = FALSE)
```

```{r}
#-----------------------------------------------------------------------
# Inspeção do pacote `caret`.

# install.packages("caret",
#                  dependencies = TRUE,
#                  repos = "http://cran-r.c3sl.ufpr.br/")

library(caret)
packageVersion("caret")

grep(ls("package:caret"), pattern = "^train", value = TRUE)
args(trainControl)
```

```{r, eval = FALSE}
#-----------------------------------------------------------------------
# Formas de fazer validação cruzada.

help(trainControl, h = "html")
# method:
#   "cv": Validação cruzada k-fold.
#   "repeatedcv": idem ao anterior mas com repetições independentes.
#   "LOOCV": leave-one-out CV.
#   "none": não faz divisão treino/teste.
#   Outros: "boot", "boot632", "optimism_boot", "boot_all", "timeslice",
#       "adaptive_cv", "adaptive_boot" e "adaptive_LGOCV".
# repeats:
#   (inteiro >= 1) Número de repetições para o caso de usar "repeatedcv".
# number:
#   (inteiro >= 1) Número de folds para CV ou reamonstragens para bootstrap.
# p:
#   (0 < p < 1): proporção dos dados usado para treino. O resto é
#   validação.
``**

# Validação cruzada *k*-fold

```{r}
str(swiss)

# Criando os folds por fora.
# help(createFolds, help_type = "html")
apropos("^create[A-Z]")
cv_folds <- createFolds(swiss$Infant.Mortality, k = 5, list = TRUE)
str(cv_folds)

# Validação cruzada 5-fold (aqui é refeito).
control_list <- trainControl(method = "cv",
                             number = 5,
                             verboseIter = TRUE,
                             returnResamp = "all",
                             savePredictions = "all",
                             search = "grid")
names(control_list)

# Faz o processo de ajuste.
fit <- train(Infant.Mortality ~ .,
             data = swiss,
             method = "knn",
             preProcess = c("center", "scale"),
             trControl = control_list)

# Resultado do ajuste.
fit

# Conteúdo e classe do objeto.
names(fit)
class(fit)
methods(class = "train")

# Resultados agregados de performance para tunning.
fit$results

# Extração dos resultados em cada fold.
res <- fit$pred
res$d_squared <- (res$obs - res$pred)^2
res <- aggregate(cbind(mse = d_squared) ~ k + Resample,
                 data = res,
                 FUN = mean)
res$rmse <- sqrt(res$mse)
xyplot(rmse ~ k, groups = Resample, data = res, type = c("p", "a"))

# O mesmo que `fit$results`.
aggregate(rmse ~ k, data = res, FUN = mean)

# fit$trainingData
# fit$modelInfo
# fit$modelType

# Índices das observações usadas para treino e teste.
# fit$control
sapply(fit$control$index, FUN = length)
sapply(fit$control$indexOut, FUN = length)

# Resultado do modelo aplicado.
summary(fit)
summary(fit$finalModel)

# Gráficos.
histogram(fit,
          panel = function(x, ...) {
              panel.histogram(x, ...)
              panel.rug(x)
          })

plot(fit)   # Valores agragados.
xyplot(fit) # Individual por fold.

# Importância relativa das variáveis.
varImp(fit)

# Medida de ajuste com todos os dados no melhor valor de hiperparâmetro.
RMSE(predict(fit), fit$trainingData$.outcome)

#-----------------------------------------------------------------------
```