Задание 1. Пакет CARET и графический анализ

Выполняем команду для просмотра доступных методов:

names(getModelInfo())
##   [1] "ada"                 "AdaBag"              "AdaBoost.M1"        
##   [4] "adaboost"            "amdai"               "ANFIS"              
##   [7] "avNNet"              "awnb"                "awtan"              
##  [10] "bag"                 "bagEarth"            "bagEarthGCV"        
##  [13] "bagFDA"              "bagFDAGCV"           "bam"                
##  [16] "bartMachine"         "bayesglm"            "binda"              
##  [19] "blackboost"          "blasso"              "blassoAveraged"     
##  [22] "bridge"              "brnn"                "BstLm"              
##  [25] "bstSm"               "bstTree"             "C5.0"               
##  [28] "C5.0Cost"            "C5.0Rules"           "C5.0Tree"           
##  [31] "cforest"             "chaid"               "CSimca"             
##  [34] "ctree"               "ctree2"              "cubist"             
##  [37] "dda"                 "deepboost"           "DENFIS"             
##  [40] "dnn"                 "dwdLinear"           "dwdPoly"            
##  [43] "dwdRadial"           "earth"               "elm"                
##  [46] "enet"                "evtree"              "extraTrees"         
##  [49] "fda"                 "FH.GBML"             "FIR.DM"             
##  [52] "foba"                "FRBCS.CHI"           "FRBCS.W"            
##  [55] "FS.HGD"              "gam"                 "gamboost"           
##  [58] "gamLoess"            "gamSpline"           "gaussprLinear"      
##  [61] "gaussprPoly"         "gaussprRadial"       "gbm_h2o"            
##  [64] "gbm"                 "gcvEarth"            "GFS.FR.MOGUL"       
##  [67] "GFS.LT.RS"           "GFS.THRIFT"          "glm.nb"             
##  [70] "glm"                 "glmboost"            "glmnet_h2o"         
##  [73] "glmnet"              "glmStepAIC"          "gpls"               
##  [76] "hda"                 "hdda"                "hdrda"              
##  [79] "HYFIS"               "icr"                 "J48"                
##  [82] "JRip"                "kernelpls"           "kknn"               
##  [85] "knn"                 "krlsPoly"            "krlsRadial"         
##  [88] "lars"                "lars2"               "lasso"              
##  [91] "lda"                 "lda2"                "leapBackward"       
##  [94] "leapForward"         "leapSeq"             "Linda"              
##  [97] "lm"                  "lmStepAIC"           "LMT"                
## [100] "loclda"              "logicBag"            "LogitBoost"         
## [103] "logreg"              "lssvmLinear"         "lssvmPoly"          
## [106] "lssvmRadial"         "lvq"                 "M5"                 
## [109] "M5Rules"             "manb"                "mda"                
## [112] "Mlda"                "mlp"                 "mlpKerasDecay"      
## [115] "mlpKerasDecayCost"   "mlpKerasDropout"     "mlpKerasDropoutCost"
## [118] "mlpML"               "mlpSGD"              "mlpWeightDecay"     
## [121] "mlpWeightDecayML"    "monmlp"              "msaenet"            
## [124] "multinom"            "mxnet"               "mxnetAdam"          
## [127] "naive_bayes"         "nb"                  "nbDiscrete"         
## [130] "nbSearch"            "neuralnet"           "nnet"               
## [133] "nnls"                "nodeHarvest"         "null"               
## [136] "OneR"                "ordinalNet"          "ordinalRF"          
## [139] "ORFlog"              "ORFpls"              "ORFridge"           
## [142] "ORFsvm"              "ownn"                "pam"                
## [145] "parRF"               "PART"                "partDSA"            
## [148] "pcaNNet"             "pcr"                 "pda"                
## [151] "pda2"                "penalized"           "PenalizedLDA"       
## [154] "plr"                 "pls"                 "plsRglm"            
## [157] "polr"                "ppr"                 "pre"                
## [160] "PRIM"                "protoclass"          "qda"                
## [163] "QdaCov"              "qrf"                 "qrnn"               
## [166] "randomGLM"           "ranger"              "rbf"                
## [169] "rbfDDA"              "Rborist"             "rda"                
## [172] "regLogistic"         "relaxo"              "rf"                 
## [175] "rFerns"              "RFlda"               "rfRules"            
## [178] "ridge"               "rlda"                "rlm"                
## [181] "rmda"                "rocc"                "rotationForest"     
## [184] "rotationForestCp"    "rpart"               "rpart1SE"           
## [187] "rpart2"              "rpartCost"           "rpartScore"         
## [190] "rqlasso"             "rqnc"                "RRF"                
## [193] "RRFglobal"           "rrlda"               "RSimca"             
## [196] "rvmLinear"           "rvmPoly"             "rvmRadial"          
## [199] "SBC"                 "sda"                 "sdwd"               
## [202] "simpls"              "SLAVE"               "slda"               
## [205] "smda"                "snn"                 "sparseLDA"          
## [208] "spikeslab"           "spls"                "stepLDA"            
## [211] "stepQDA"             "superpc"             "svmBoundrangeString"
## [214] "svmExpoString"       "svmLinear"           "svmLinear2"         
## [217] "svmLinear3"          "svmLinearWeights"    "svmLinearWeights2"  
## [220] "svmPoly"             "svmRadial"           "svmRadialCost"      
## [223] "svmRadialSigma"      "svmRadialWeights"    "svmSpectrumString"  
## [226] "tan"                 "tanSearch"           "treebag"            
## [229] "vbmpRadial"          "vglmAdjCat"          "vglmContRatio"      
## [232] "vglmCumulative"      "widekernelpls"       "WM"                 
## [235] "wsrf"                "xgbDART"             "xgbLinear"          
## [238] "xgbTree"             "xyf"

Графический разведочный анализ с использованием featurePlot():

set.seed(123)
x <- matrix(rnorm(50*5), ncol=5)
colnames(x) <- paste0("Var", 1:5)
y <- factor(rep(c("A", "B"), 25))

# Boxplot
featurePlot(x = x, y = y, plot = "box")

# Density plots
featurePlot(x = x, y = y, plot = "density")

Вывод: функция featurePlot() позволяет быстро визуализировать распределение признаков по классам. В данном случае, поскольку данные – случайные (rnorm), графики не показывают явных различий между классами A и B. Это ожидаемо и подтверждает, что признаки не разделяют классы.

Задание 2. Оценка важности признаков с помощью FSelector

Используем набор данных iris:

data(iris)
weights <- information_gain(formula = Species ~ ., data = iris)
print(weights)
##     attributes importance
## 1 Sepal.Length  0.4521286
## 2  Sepal.Width  0.2672750
## 3 Petal.Length  0.9402853
## 4  Petal.Width  0.9554360

Вывод: выходные данные показывают, что признаки Petal.Length и Petal.Width имеют наибольшую информативность (высокий прирост информации), в то время как Sepal.Length и Sepal.Width — значительно ниже. Это соответствует биологии: длина и ширина лепестков лучше различают виды ирисов.

Задание 3. Дискретизация непрерывной переменной

Преобразуем переменную Sepal.Length в категориальную разными методами:

data(iris)
sl <- iris$Sepal.Length

d_int <- discretize(sl, method = "interval", breaks = 3)
d_freq <- discretize(sl, method = "frequency", breaks = 3)
d_clus <- discretize(sl, method = "cluster", breaks = 3)
d_fix <- discretize(sl, method = "fixed", breaks = c(4, 5.5, 7, 8))

par(mfrow = c(2, 2))
plot(d_int, main = "Equal Width (Interval)")
plot(d_freq, main = "Equal Frequency")
plot(d_clus, main = "Clustering")
plot(d_fix, main = "Fixed Intervals")

Вывод: “interval” – делит диапазон на равные отрезки, но может давать неравномерное количество наблюдений. “frequency” – выравнивает количество наблюдений в каждом интервале. “cluster” – использует k-средних для поиска естественных групп. “fixed” – позволяет задать собственные границы.

Задание 4. Отбор признаков с помощью Boruta

Используем набор данных Ozone:

data("Ozone")
ozone_clean <- na.omit(Ozone)
set.seed(123)
boruta_out <- Boruta(V4 ~ ., data = ozone_clean, doTrace = 0)
print(boruta_out)
## Boruta performed 24 iterations in 1.735919 secs.
##  9 attributes confirmed important: V1, V10, V11, V12, V13 and 4 more;
##  3 attributes confirmed unimportant: V2, V3, V6;
plot(boruta_out, las = 2, cex.axis = 0.7, main = "Важность признаков Ozone")

Вывод: Boruta создаёт “теневые” копии признаков и сравнивает их важность. На графике: Зелёные боксплоты – подтверждённые важные признаки. Красные – неважные. Синие – теневые признаки (shadow), созданные алгоритмом для сравнения. В данном случае большинство признаков оказались важными для предсказания V4.