R in xgboost- အဆင့်ဆင့် ဥပမာ

Boosting သည် ကြိုတင်ခန့်မှန်းတိကျမှုမြင့်မားသော မော်ဒယ်များကို ထုတ်လုပ်ရန် ပြသထားသော စက်သင်ယူမှုနည်းပညာတစ်ခုဖြစ်သည်။

လက်တွေ့တွင် မြှင့်တင်ခြင်းကို အကောင်အထည်ဖော်ရန် အသုံးအများဆုံးနည်းလမ်းတစ်ခုမှာ “ extreme gradient boosting” ၏အတိုကောက်ဖြစ်သော XGBoost ကို အသုံးပြုခြင်းဖြစ်သည်။

ဤသင်ခန်းစာသည် R တွင် အဆင့်မြှင့်ထားသော မော်ဒယ်လ်တစ်ခုနှင့် အံဝင်ခွင်ကျဖြစ်ရန် XGBoost ကို အသုံးပြုနည်း အဆင့်ဆင့် ဥပမာကို ပေးပါသည်။

အဆင့် 1- လိုအပ်သော ပက်ကေ့ခ်ျများကို တင်ပါ။

ပထမဦးစွာ လိုအပ်သော စာကြည့်တိုက်များကို တင်ပါမည်။

 library (xgboost) #for fitting the xgboost model
library (caret) #for general data preparation and model fitting

အဆင့် 2: ဒေတာကို တင်ပါ။

ဤဥပမာအတွက်၊ ကျွန်ုပ်တို့သည် MASS ပက်ကေ့ချ်မှ Boston dataset နှင့် ပိုမိုကောင်းမွန်သော ဆုတ်ယုတ်မှုပုံစံကို ဖြည့်ဆည်းပေးပါမည်။

ဤဒေတာအတွဲတွင် mdev ဟုခေါ်သော တုံ့ပြန်မှုကိန်းရှင်တစ်ခုကို ခန့်မှန်းရန် ကျွန်ုပ်တို့အသုံးပြုမည့် ကြိုတင်ခန့်မှန်းကိန်းရှင် 13 ခုပါရှိသည်၊ ဘော့စတွန်တစ်ဝိုက်ရှိ မတူညီသောသန်းခေါင်စာရင်းဝေစာများတွင် အိမ်များ၏ ပျမ်းမျှတန်ဖိုးကို ကိုယ်စားပြုသည်။

 #load the data
data = MASS::Boston

#view the structure of the data
str(data) 

'data.frame': 506 obs. of 14 variables:
 $ crim: num 0.00632 0.02731 0.02729 0.03237 0.06905 ...
 $ zn : num 18 0 0 0 0 0 12.5 12.5 12.5 12.5 ...
 $ indus: num 2.31 7.07 7.07 2.18 2.18 2.18 7.87 7.87 7.87 7.87 ...
 $chas: int 0 0 0 0 0 0 0 0 0 0 ...
 $ nox: num 0.538 0.469 0.469 0.458 0.458 0.458 0.524 0.524 0.524 0.524 ...
 $rm: num 6.58 6.42 7.18 7 7.15 ...
 $ age: num 65.2 78.9 61.1 45.8 54.2 58.7 66.6 96.1 100 85.9 ...
 $ dis: num 4.09 4.97 4.97 6.06 6.06 ...
 $rad: int 1 2 2 3 3 3 5 5 5 5 ...
 $ tax: num 296 242 242 222 222 222 311 311 311 311 ...
 $ptratio: num 15.3 17.8 17.8 18.7 18.7 18.7 15.2 15.2 15.2 15.2 ...
 $ black: num 397 397 393 395 397 ...
 $ lstat: num 4.98 9.14 4.03 2.94 5.33 ...
 $ medv: num 24 21.6 34.7 33.4 36.2 28.7 22.9 27.1 16.5 18.9 ...

ဒေတာအတွဲတွင် လေ့လာတွေ့ရှိချက်ပေါင်း 506 ခုနှင့် စုစုပေါင်း ကိန်းရှင် 14 ခုပါ၀င်ကြောင်း ကျွန်ုပ်တို့တွေ့မြင်နိုင်ပါသည်။

အဆင့် 3: ဒေတာကိုပြင်ဆင်ပါ။

ထို့နောက်၊ ကျွန်ုပ်တို့သည် မူရင်းဒေတာအတွဲကို လေ့ကျင့်ရေးနှင့် စမ်းသပ်မှုအစုအဖြစ် ခွဲရန် caret package မှ createDataPartition() လုပ်ဆောင်ချက်ကို အသုံးပြုပါမည်။

ဤဥပမာအတွက်၊ ကျွန်ုပ်တို့သည် လေ့ကျင့်ရေးအစု၏ တစ်စိတ်တစ်ပိုင်းအဖြစ် မူရင်းဒေတာအတွဲ၏ 80% ကို အသုံးပြုရန် ရွေးချယ်ပါမည်။

xgboost ပက်ကေ့ချ်သည် မက်ထရစ်ဒေတာကိုလည်း အသုံးပြုကြောင်း သတိပြုပါ၊ ထို့ကြောင့် ကျွန်ုပ်တို့၏ ကြိုတင်ခန့်မှန်းကိန်းရှင်များကို ထိန်းသိမ်းရန်အတွက် data.matrix() လုပ်ဆောင်ချက်ကို အသုံးပြုပါမည်။

 #make this example reproducible
set.seed(0)

#split into training (80%) and testing set (20%)
parts = createDataPartition(data$medv, p = .8 , list = F )
train = data[parts, ]
test = data[-parts, ]

#define predictor and response variables in training set
train_x = data. matrix (train[, -13])
train_y = train[,13]

#define predictor and response variables in testing set
test_x = data. matrix (test[, -13])
test_y = test[, 13]

#define final training and testing sets
xgb_train = xgb. DMatrix (data = train_x, label = train_y)
xgb_test = xgb. DMatrix (data = test_x, label = test_y)

အဆင့် 4: မော်ဒယ်ကို ချိန်ညှိပါ။

ထို့နောက်၊ ကျွန်ုပ်တို့သည် မြှင့်တင်ခြင်းစက်ဝန်းတစ်ခုစီအတွက် လေ့ကျင့်ခြင်းနှင့် စမ်းသပ်ခြင်း RMSE (ပျမ်းမျှစတုရန်းအမှား) ကိုပြသသည့် xgb.train() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ XGBoost မော်ဒယ်ကို ချိန်ညှိပါမည်။

ဤဥပမာအတွက် အကြိမ် 70 ကိုအသုံးပြုရန် ကျွန်ုပ်တို့ရွေးချယ်ခဲ့သည်ကို သတိပြုပါ၊ သို့သော် ပိုမိုကြီးမားသောဒေတာအတွဲများအတွက် ရာနှင့်ချီ သို့မဟုတ် ထောင်ချီသောအကြိမ်များကို အသုံးပြုခြင်းသည် အဆန်းမဟုတ်ပေ။ အလှည့်တွေများလေ၊ runtime ပိုကြာလေဆိုတာ သတိထားပါ။

max.degree အငြင်းအခုံသည် တစ်ဦးချင်း ဆုံးဖြတ်ချက်သစ်ပင်များ၏ ဖွံ့ဖြိုးတိုးတက်မှုအတိမ်အနက်ကို ဖော်ပြသည်ကို သတိပြုပါ။ သေးငယ်သောသစ်ပင်များကြီးထွားရန်အတွက် ကျွန်ုပ်တို့သည် ဤအရေအတွက်ကို 2 သို့မဟုတ် 3 ကဲ့သို့အနည်းအများရွေးချယ်လေ့ရှိသည်။ ဤချဉ်းကပ်မှုသည် ပိုမိုတိကျသော မော်ဒယ်များကို ထုတ်လုပ်လေ့ရှိကြောင်း ပြသထားသည်။

 #define watchlist
watchlist = list(train=xgb_train, test=xgb_test)

#fit XGBoost model and display training and testing data at each round
model = xgb.train(data = xgb_train, max.depth = 3 , watchlist=watchlist, nrounds = 70 )

[1] train-rmse:10.167523 test-rmse:10.839775 
[2] train-rmse:7.521903 test-rmse:8.329679 
[3] train-rmse:5.702393 test-rmse:6.691415 
[4] train-rmse:4.463687 test-rmse:5.631310 
[5] train-rmse:3.666278 test-rmse:4.878750 
[6] train-rmse:3.159799 test-rmse:4.485698 
[7] train-rmse:2.855133 test-rmse:4.230533 
[8] train-rmse:2.603367 test-rmse:4.099881 
[9] train-rmse:2.445718 test-rmse:4.084360 
[10] train-rmse:2.327318 test-rmse:3.993562 
[11] train-rmse:2.267629 test-rmse:3.944454 
[12] train-rmse:2.189527 test-rmse:3.930808 
[13] train-rmse:2.119130 test-rmse:3.865036 
[14] train-rmse:2.086450 test-rmse:3.875088 
[15] train-rmse:2.038356 test-rmse:3.881442 
[16] train-rmse:2.010995 test-rmse:3.883322 
[17] train-rmse:1.949505 test-rmse:3.844382 
[18] train-rmse:1.911711 test-rmse:3.809830 
[19] train-rmse:1.888488 test-rmse:3.809830 
[20] train-rmse:1.832443 test-rmse:3.758502 
[21] train-rmse:1.816150 test-rmse:3.770216 
[22] train-rmse:1.801369 test-rmse:3.770474 
[23] train-rmse:1.788891 test-rmse:3.766608 
[24] train-rmse:1.751795 test-rmse:3.749583 
[25] train-rmse:1.713306 test-rmse:3.720173 
[26] train-rmse:1.672227 test-rmse:3.675086 
[27] train-rmse:1.648323 test-rmse:3.675977 
[28] train-rmse:1.609927 test-rmse:3.745338 
[29] train-rmse:1.594891 test-rmse:3.756049 
[30] train-rmse:1.578573 test-rmse:3.760104 
[31] train-rmse:1.559810 test-rmse:3.727940 
[32] train-rmse:1.547852 test-rmse:3.731702 
[33] train-rmse:1.534589 test-rmse:3.729761 
[34] train-rmse:1.520566 test-rmse:3.742681 
[35] train-rmse:1.495155 test-rmse:3.732993 
[36] train-rmse:1.467939 test-rmse:3.738329 
[37] train-rmse:1.446343 test-rmse:3.713748 
[38] train-rmse:1.435368 test-rmse:3.709469 
[39] train-rmse:1.401356 test-rmse:3.710637 
[40] train-rmse:1.390318 test-rmse:3.709461 
[41] train-rmse:1.372635 test-rmse:3.708049 
[42] train-rmse:1.367977 test-rmse:3.707429 
[43] train-rmse:1.359531 test-rmse:3.711663 
[44] train-rmse:1.335347 test-rmse:3.709101 
[45] train-rmse:1.331750 test-rmse:3.712490 
[46] train-rmse:1.313087 test-rmse:3.722981 
[47] train-rmse:1.284392 test-rmse:3.712840 
[48] train-rmse:1.257714 test-rmse:3.697482 
[49] train-rmse:1.248218 test-rmse:3.700167 
[50] train-rmse:1.243377 test-rmse:3.697914 
[51] train-rmse:1.231956 test-rmse:3.695797 
[52] train-rmse:1.219341 test-rmse:3.696277 
[53] train-rmse:1.207413 test-rmse:3.691465 
[54] train-rmse:1.197197 test-rmse:3.692108 
[55] train-rmse:1.171748 test-rmse:3.683577 
[56] train-rmse:1.156332 test-rmse:3.674458 
[57] train-rmse:1.147686 test-rmse:3.686367 
[58] train-rmse:1.143572 test-rmse:3.686375 
[59] train-rmse:1.129780 test-rmse:3.679791 
[60] train-rmse:1.111257 test-rmse:3.679022 
[61] train-rmse:1.093541 test-rmse:3.699670 
[62] train-rmse:1.083934 test-rmse:3.708187 
[63] train-rmse:1.067109 test-rmse:3.712538 
[64] train-rmse:1.053887 test-rmse:3.722480 
[65] train-rmse:1.042127 test-rmse:3.720720 
[66] train-rmse:1.031617 test-rmse:3.721224 
[67] train-rmse:1.016274 test-rmse:3.699549 
[68] train-rmse:1.008184 test-rmse:3.709522 
[69] train-rmse:0.999220 test-rmse:3.708000 
[70] train-rmse:0.985907 test-rmse:3.705192 

ရလဒ်မှ၊ အနိမ့်ဆုံးစမ်းသပ်မှု RMSE ကို 56 ပတ်တွင်အောင်မြင်ကြောင်းကျွန်ုပ်တို့သိနိုင်သည်။ ဤအချက်ကိုကျော်လွန်၍ စာမေးပွဲ RMSE သည် တိုးလာကာ ကျွန်ုပ်တို့သည် လေ့ကျင့်ရေးဒေတာနှင့် ကိုက်ညီနေပြီဖြစ်ကြောင်း ညွှန်ပြပါသည်။

ထို့ကြောင့်၊ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏နောက်ဆုံး XGBoost မော်ဒယ်ကို 56 ပတ်အသုံးပြုရန် သတ်မှတ်ပါမည်။

 #define final model
final = xgboost(data = xgb_train, max.depth = 3 , nrounds = 56 , verbose = 0 )

မှတ်ချက်- verbose=0 အငြင်းအခုံက R သည် အကြိမ်တိုင်းအတွက် လေ့ကျင့်မှုနှင့် စမ်းသပ်မှုအမှားကို မပြသရန် ပြောထားသည်။

အဆင့် 5- ခန့်မှန်းချက်များကို ပြုလုပ်ရန် မော်ဒယ်ကို အသုံးပြုပါ။

နောက်ဆုံးတွင်၊ စမ်းသပ်မှုအစုံတွင် ဘော်စတွန်အိမ်များ၏ ပျမ်းမျှတန်ဖိုးအကြောင်း ခန့်မှန်းချက်များကို ပြုလုပ်ရန် နောက်ဆုံးအဆင့်မြှင့်တင်ထားသော မော်ဒယ်ကို ကျွန်ုပ်တို့အသုံးပြုနိုင်ပါသည်။

ထို့နောက် မော်ဒယ်အတွက် အောက်ဖော်ပြပါ တိကျမှု မက်ထရစ်များကို တွက်ချက်ပါမည်။

• MSE – ဆိုလိုရင်းမှာ စတုရန်းအမှား
• MAE: ဆိုလိုတာက လုံးဝအမှား
• RMSE- root mean square အမှား

 mean((test_y - pred_y)^2) #mse
caret::MAE(test_y, pred_y) #mae
caret::RMSE(test_y, pred_y) #rmse

[1] 13.50164
[1] 2.409426
[1] 3.674457

ပျမ်းမျှစတုရန်းအမှားသည် 3.674457 ဖြစ်လာသည်။ ၎င်းသည် ပျမ်းမျှအိမ်တန်ဖိုးများအတွက် ပြုလုပ်ထားသော ခန့်မှန်းချက်နှင့် စမ်းသပ်မှုအစုတွင် တွေ့ရှိထားသည့် အမှန်တကယ် အိမ်တန်ဖိုးများကြားတွင် ပျမ်းမျှကွာခြားချက်ကို ကိုယ်စားပြုသည်။

အကယ်၍ ကျွန်ုပ်တို့လိုချင်ပါက၊ ဤ RMSE ကို multiple linear regression ၊ ridge regression ၊ principal component regression စသည်ဖြင့် နှိုင်းယှဉ်နိုင်သည်။ ဘယ်မော်ဒယ်က အတိကျဆုံး ခန့်မှန်းချက်တွေကို ထုတ်ပေးလဲဆိုတာ ကြည့်ဖို့ပါ။

ဤဥပမာတွင်အသုံးပြုထားသော R ကုဒ်အပြည့်အစုံကို ဤနေရာတွင် ရှာတွေ့နိုင်ပါသည်။