Aprendizagem das Máquinas

Carregando as bibliotecas

library(tidymodels)
library(tidyverse)
library(GGally)
library(skimr)
library(readxl)
library(dplyr)
library(kknn)
library(kernlab)
library(VIM)
library(corrplot)

1. Importando a base de dados

tidymodels::tidymodels_prefer()
dados<-read.csv("C:/Users/Elton.F/Downloads/beer (1).csv")

2. Exploratória dos dados

visdat::vis_dat(dados)

3.Imputando knn

dadosimput<- kNN(dados)
dadosimput

4.Exploratório com os dados imputado

cerveja<- dadosimput |> select(c(custo,quantidade,alcool,reputacao,cor,                 aroma,sabor))

cerveja

visdat::vis_dat(cerveja)

cerveja |> dplyr::glimpse()

Rows: 231
Columns: 7
$ custo      <int> 90, 75, 10, 100, 20, 50, 5, 65, 95, 85, 0, 10, 80, 25, 5, 20, 7…
$ quantidade <int> 80, 95, 15, 70, 10, 100, 15, 30, 95, 80, 0, 25, 70, 35, 10, 5, …
$ alcool     <int> 70, 100, 20, 50, 25, 100, 15, 35, 100, 70, 20, 10, 50, 30, 15, …
$ reputacao  <int> 20, 50, 85, 30, 35, 30, 75, 80, 0, 40, 30, 100, 50, 40, 65, 40,…
$ cor        <int> 50, 55, 40, 75, 30, 90, 20, 80, 80, 60, 80, 50, 40, 45, 50, 60,…
$ aroma      <int> 70, 40, 30, 60, 35, 75, 10, 60, 70, 50, 90, 40, 20, 30, 65, 50,…
$ sabor      <int> 60, 65, 50, 80, 45, 100, 25, 90, 95, 65, 100, 60, 50, 65, 85, 9…

skim(cerveja)

── Data Summary ────────────────────────
                           Values 
Name                       cerveja
Number of rows             231    
Number of columns          7      
_______________________           
Column type frequency:            
  numeric                  7      
________________________          
Group variables            None   

rho_hat <- cor(cerveja)
corrplot(rho_hat, method = "number")

cerveja |> 
  GGally::ggscatmat()

cerveja |> 
  GGally::ggpairs()

5. Construindo os workflows dos modelos

5.1 Divisão dos dados

set.seed(0) # Fixando uma semente
divisao_inicial <- rsample::initial_split(cerveja, prop = 0.8, strata = "reputacao")
treinamento <- rsample::training(divisao_inicial) # Conjunto de treinamento
teste <- rsample::testing(divisao_inicial) # Conjunto de teste
teste

5.2 Tratamento dos dados (pré-processamento)

receita_1 <- 
  treinamento |> 
  recipe(formula = reputacao ~ .) |>
  step_YeoJohnson(all_predictors()) |>
  step_normalize(all_predictors()) |>
  step_zv(all_predictors()) |>
  step_corr(all_predictors())

receita_2 <- 
  treinamento |> 
  recipe(formula = reputacao ~ .) |>
  step_YeoJohnson(all_predictors()) |>
  step_normalize(all_predictors())
receita_1 |> 
  prep() |> 
  juice()

receita_1 |> 
  prep() |> 
  bake(new_data = treinamento)

NA

6. Definindo os modelos

modelo_elastic <- 
  parsnip::linear_reg(penalty = tune::tune(), mixture = tune::tune()) |> 
  parsnip::set_mode("regression") |> 
  parsnip::set_engine("glmnet")

modelo_knn <-
  parsnip::nearest_neighbor(
    neighbors = tune::tune(),
    dist_power = tune::tune(), 
    weight_func = "gaussian" 
  ) |> 
  parsnip::set_mode("regression") |> 
  parsnip::set_engine("kknn")

modelo_svm <- 
  parsnip::svm_rbf(
    cost = tune::tune(),
    rbf_sigma = tune::tune(),
    margin = tune::tune()
  ) |> 
  parsnip::set_mode("regression") |> 
  parsnip::set_engine("kernlab")

7. Criando o conjunto de validação

validacao_cruzada <- 
  treinamento |> 
  rsample::vfold_cv(v = 8L, strata = reputacao)

8. Criando um workflow completo

wf_todos <-
  workflow_set(
    preproc = list(receita_1, receita_2),
    models = list(
      knn_fit = modelo_knn,
      elastic_fit = modelo_elastic,
      svm_fit = modelo_svm
    ),
    cross = TRUE
  )
controle_grid <- control_grid(
  save_pred = TRUE,
  save_workflow = TRUE,
  parallel_over = "resamples"
)

9. Treinando o modelo

treino <-
  wf_todos |> 
  workflow_map(
    resamples = validacao_cruzada,
    grid = 20L,
    control = controle_grid
  )



autoplot(treino, metric = "rmse") + 
  labs(
    title = "Avaliação dos modelos de regressão",
    subtitle = "Utilizando a métrica do EQM"
  ) + 
  xlab("Rank dos Workflows") +
  ylab("Erro Quadrático Médio - EQM")

10. Melhores Modelos

melhores <- 
  treino |> 
  rank_results(select_best = TRUE, rank_metric = "rmse")

autoplot(treino, select_best = TRUE)

treino |> 
  rank_results()

11. Melhor Modelo

melhor_modelo <- 
  treino |> 
  extract_workflow_set_result(id = "recipe_1_knn_fit") |> 
  select_best(metric = "rmse")
melhor_modelo

12. Avaliação final do melhor modelo

wf_final <- 
  treino |> 
  extract_workflow(id = "recipe_1_knn_fit") |> 
  finalize_workflow(melhor_modelo)

teste <- 
  wf_final |> 
  last_fit(split = divisao_inicial)

teste$.metrics

[[1]]

modelo_final <- 
  wf_final |> 
  fit(dados)
modelo_final

══ Workflow [trained] ══════════════════════════════════════════════════════════════
Preprocessor: Recipe
Model: nearest_neighbor()

── Preprocessor ────────────────────────────────────────────────────────────────────
4 Recipe Steps

• step_YeoJohnson()
• step_normalize()
• step_zv()
• step_corr()

── Model ───────────────────────────────────────────────────────────────────────────

Call:
kknn::train.kknn(formula = ..y ~ ., data = data, ks = min_rows(1L,     data, 5), distance = ~0.751370396780549, kernel = ~"gaussian")

Type of response variable: continuous
minimal mean absolute error: 0
Minimal mean squared error: 0
Best kernel: gaussian
Best k: 1