O interfață unificată de învățare automată pentru R
Prezentare generală
unifiedml oferă o interfață coerentă, asemănătoare sklearn-ului pentru aproape orice model de învățare automată din R.
Elimină nevoia de a aminti diferite semnături de funcții în pachete prin detectând automat interfața corespunzătoare (formula vs matrice) și tip de sarcină (regresie vs clasificare).
Caracteristici cheie
Pentru acum:
- Detectarea automată a sarcinilor: detectează automat regresia vs clasificare pe baza tipului de variabilă de răspuns (numerică → regresie, factor → clasificare)
- Interfață universală: Funcționează perfect cu
glmnet,randomForest,e1071::svmși alte pachete ML populare cu interfață formulă sau matrice - Validare încrucișată încorporată: Consecvent
cross_val_score()funcție cu selecție automată a metricii - Interpretabilitatea modelului: Derivate numerice și testarea semnificației statistice prin
summary() - Loturi de dependență parțială: Vizualizați efectele caracteristicilor cu
plot() - Metoda de înlănțuire: Sintaxă curată, canalizată cu clase R6
devtools::install_github("Techtonique/unifiedml")
install.packages(c("glmnet", "randomForest"))
install.packages("e1071")
library(unifiedml) # this package
library(glmnet)
library(randomForest)
library(e1071)
# ------------------------------------------------------------
# REGRESSION EXAMPLES
# ------------------------------------------------------------
cat("n=== REGRESSION EXAMPLES ===nn")
# Example 1: Synthetic data (numeric y → automatic regression)
set.seed(123)
X <- MASS::Boston(, -ncol(MASS::Boston))
y <- MASS::Boston$medv
# glmnet regression
cat("1. Ridge Regression (glmnet) - Auto-detected: Regressionn")
mod1 <- Model$new(glmnet::glmnet) # No task parameter needed!
mod1$fit(X, y, alpha = 0, lambda = 0.1)
mod1$print()
cat("nPredictions:n")
print(head(mod1$predict(X)))
cat("n")
mod1$summary()
mod1$plot(feature = 1)
(cv1 <- cross_val_score(mod1, X, y, cv = 5L)) # Auto-uses RMSE
cat("nMean RMSE:", mean(cv1), "nn")
# randomForest regression
cat("n2. Random Forest Regression - Auto-detected: Regressionn")
mod2 <- Model$new(randomForest::randomForest) # No task parameter!
mod2$fit(X, y, ntree = 50)
mod2$print()
cat("n")
mod2$summary(h = 0.01)
# ------------------------------------------------------------
# CLASSIFICATION EXAMPLES
# ------------------------------------------------------------
cat("nn=== CLASSIFICATION EXAMPLES ===nn")
# Example: Iris dataset (factor y → automatic classification)
data(iris)
# Binary classification with factor
cat("3. Binary Classification with Factor Responsen")
iris_binary <- iris(iris$Species %in% c("setosa", "versicolor"), )
X_binary <- as.matrix(iris_binary(, 1:4))
y_binary <- iris_binary$Species # factor → classification
# Multi-class classification
cat("4. Multi-class Classificationn")
X_multi <- as.matrix(iris(, 1:4))
y_multi <- iris$Species # factor with 3 levels → multi-class classification
mod4 <- Model$new(randomForest::randomForest) # No task parameter!
mod4$fit(X_multi, y_multi, ntree = 50)
mod4$print()
(cv4 <- cross_val_score(mod4, X_multi, y_multi, cv = 5L)) # Auto-uses accuracy
cat("nMean Accuracy:", mean(cv4), "n")
y_multi_numeric <- as.numeric(y_multi)
mod4 <- Model$new(glmnet::glmnet) # No task parameter!
mod4$fit(X_multi, y_multi_numeric, family="multinomial")
mod4$print()
(cv4 <- cross_val_score(mod4, X_multi, y_multi_numeric, cv = 5L)) # Auto-uses accuracy
cat("nMean Accuracy:", mean(cv4), "n")
=== REGRESSION EXAMPLES ===
1. Ridge Regression (glmnet) - Auto-detected: Regression
Model Object
------------
Model function: self$model_fn
Fitted: TRUE
Task: regression
Training samples: 506
Features: 13
Predictions:
1 2 3 4 5 6
30.12476 25.01360 30.57030 28.68765 28.04710 25.31151
Model Summary - Numerical Derivatives
======================================
Task: regression
Samples: 506 | Features: 13
Step size (h): 0.01
Feature Mean_Derivative Std_Error t_value p_value Significance
crim -1.032452e-01 7.837905e-15 -1.317256e+13 0 ***
zn 4.322719e-02 5.216968e-15 8.285883e+12 0 ***
indus 2.743581e-03 1.273890e-14 2.153704e+11 0 ***
chas 2.753495e+00 6.050646e-15 4.550745e+14 0 ***
nox -1.656232e+01 1.293028e-14 -1.280894e+15 0 ***
rm 3.868607e+00 9.300418e-15 4.159605e+14 0 ***
age -4.129908e-04 1.108270e-14 -3.726444e+10 0 ***
dis -1.411492e+00 4.776813e-15 -2.954882e+14 0 ***
rad 2.655385e-01 7.851465e-15 3.382025e+13 0 ***
tax -1.038490e-02 8.323530e-15 -1.247656e+12 0 ***
ptratio -9.325559e-01 6.254096e-15 -1.491112e+14 0 ***
black 9.272792e-03 3.489110e-15 2.657638e+12 0 ***
lstat -5.149643e-01 4.667193e-15 -1.103371e+14 0 ***
Significance codes: 0 '***' 0.01 '**' 0.05 '*' 0.1 ' ' 1
|======================================================================| 100%
- 5.25548773596251
- 6.05059820073108
- 6.14742810453446
- 5.05465660887574
- 4.9428693648005
Mean RMSE: 5.490208
2. Random Forest Regression - Auto-detected: Regression
Model Object
------------
Model function: self$model_fn
Fitted: TRUE
Task: regression
Training samples: 506
Features: 13
Model Summary - Numerical Derivatives
======================================
Task: regression
Samples: 506 | Features: 13
Step size (h): 0.01
Feature Mean_Derivative Std_Error t_value p_value Significance
crim 0.27808959 0.329662424 0.8435587 3.993155e-01
zn 0.00000000 0.000000000 NaN NaN
indus 0.03961792 0.030839187 1.2846616 1.994995e-01 *
chas 0.00000000 0.000000000 NaN NaN
nox -7.59855104 1.939451552 -3.9178865 1.016265e-04 ***
rm 4.33226614 0.538906676 8.0389914 6.471192e-15 ***
age -0.02569829 0.023089867 -1.1129682 2.662516e-01
dis -0.71310569 0.405677973 -1.7578122 7.938528e-02 **
rad 0.01739130 0.017453435 0.9964402 3.195135e-01
tax -0.01361660 0.008303022 -1.6399573 1.016368e-01 *
ptratio -0.03075099 0.024143264 -1.2736881 2.033599e-01
black 0.05649539 0.045334095 1.2462009 2.132684e-01
lstat -0.47499012 0.124407440 -3.8180202 1.512437e-04 ***
Significance codes: 0 '***' 0.01 '**' 0.05 '*' 0.1 ' ' 1
=== CLASSIFICATION EXAMPLES ===
3. Binary Classification with Factor Response
4. Multi-class Classification
Model Object
------------
Model function: self$model_fn
Fitted: TRUE
Task: classification
Training samples: 150
Features: 4
Classes: setosa, versicolor, virginica
Class distribution:
setosa versicolor virginica
50 50 50
|======================================================================| 100%
- 0,966666666666667
- 0,933333333333333
- 1
- 0,966666666666667
- 0,933333333333333
Mean Accuracy: 0.96 Model Object ------------ Model function: self$model_fn Fitted: TRUE Task: regression Training samples: 150 Features: 4 |======================================================================| 100%
- 0,318625110272249
- 0,350013640071924
- 0,319135702141902
- 0,27769983668844
- 0,348586362350429
Mean Accuracy: 0.3228121
