データ分析や予測モデル構築などをやってみたいが……
- RやPythonだとの無料ツールはコーディングスキルがそれなりに必要になりハードルがある
- 有料ツールのSASやSPSSなどは使いやすそうだけど高額すぎる。
無料で使える使いやすさが有料級の分析ツールはないだろうか？
と言うことで、Radiantです。
Radiantは、ノーコードでビジネスデータ分析を可能にする無料で使える有料級Rパッケージです。
- その1：Radiantのインストール・起動・終了
- その2：Radiantのデータ読み込み
- その3：Radiantでデータ抽出（絞り込み）
- その4：RadiantでEDA（探索的データ分析）
- その4-1 グラフ作成
- その4-2 ピボット集計
- その4-3 記述統計量
- その5：Radiantで予測モデル構築
- その5-1 学習データとテストデータへの分割 ⇒ 今回
- その5-2 回帰問題（線形回帰・回帰木・XGBoost）
- その5-3 分類問題（ロジスティック回帰・ランダムフォレスト・ニューラルネット）
前回は、その4-3の「記述統計量」について簡単に説明しました。
ノーコードでビジネスデータ分析を可能にするRパッケージRadiantその4-3（RadiantでEDA – 記述統計量）
今回は、その5の「Radiantで予測モデル構築」の「その5-1 学習データとテストデータへの分割」について簡単に説明します。
Contents
サンプルデータ
サンプルデータは、Radiantのサンプルデータである「ダイアモンド（diamonds）」と「タイタニック（titanic）」をそのまま使い、学習データとテストデータへ分割した場合の例を説明します。
- その5-2の「回帰問題（線形回帰・回帰木・XGBoost）」で、「ダイアモンド（diamonds）」を分割したて作った学習データとテストデータを使います
- その5-3の「分類問題（多項ロジスティック回帰・決定木・ニューラルネット）」で、「ダイアモンド（diamonds）」を分割したて作った学習データとテストデータを使います
ちなみに、「ダイアモンド（diamonds）」の方でやや詳しく説明します。
取り急ぎRadiantを起動
以下、コードです。
# 必要パッケージのロード library(radiant) # radiantの起動 radiant()
Radiantで学習データとテストデータに分割する流れ
以下、データを学習データとテストデータに分割する流れです。
- ①フラグ変数（training）の生成
- ②データ分割（学習データとテストデータ）
先ず、データを2つに分割する（学習データとテストデータ）ためのフラグ変数（training）を作ります。次に、作ったフラグ変数（training）を使い、学習データ（train）とテストデータ（test）に分割します。
ダイアモンド（diamonds）データを分割
①フラグ変数（training）の生成
では、データを2つに分割する（学習データとテストデータ）ためのフラグ変数（training）を作ります。
メニューの「Transform」ボタンをクリックし、変数変換画面（Transform）を表示させます。
左下の「Transformation type」から「Training variable」を選択します。次のような画面が表示されるので、どのような分割をするのかを設定（例えば、Sizeで学習データの割合を指定）し、「Store changes in」の「+Store」ボタンをクリックし新変数「training」を追加します。
作成したフラグ変数（training）は、「0 or 1」の2値データです。
- 0：テストデータ
- 1：学習データ
②データ分割（学習データとテストデータ）
次に、作ったフラグ変数（training）を使い、学習データ（train）とテストデータ（test）に分割していきます。
メニューの「View」ボタンをクリックし、データの表示画面（View）を表示させます。
作成したフラグ変数（training）に対し、表示条件を指定し絞り込み、学習データ（train）のみを表示し保存します。「Store filtered data as」に「データセット名称」を指定し、右隣りにある「+Store」ボタンをクリックし保存します。
同様に、作成したフラグ変数（training）に対し、表示条件を指定し絞り込み、テストデータ（test）のみを表示し保存します。「Store filtered data as」に「データセット名称」を指定し、右隣りにある「+Store」ボタンをクリックし保存します。
以下は、今までの流れをまとめた画像（GIF）です。
その5-2の「回帰問題（線形回帰・回帰木・XGBoost）」で、この分割したデータを使います。
タイタニック（titanic）データを分割
以下は、タイタニック（titanic）データを、学習データとテストデータに分割するまでの流れをまとめた画像（GIF）です。
その5-3の「分類問題（多項ロジスティック回帰・決定木・ニューラルネット）」で、この分割したデータを使います。
次回
今回は、その5の「Radiantで予測モデル構築」の「その5-1 学習データとテストデータへの分割」について簡単に説明しました。
- その1：Radiantのインストール・起動・終了
- その2：Radiantのデータ読み込み
- その3：Radiantでデータ抽出（絞り込み）
- その4：RadiantでEDA（探索的データ分析）
- その4-1 グラフ作成
- その4-2 ピボット集計
- その4-3 記述統計量
- その5：Radiantで予測モデル構築
- その5-1 学習データとテストデータへの分割
- その5-2 回帰問題（線形回帰・回帰木・XGBoost） ⇒ 次回
- その5-3 分類問題（ロジスティック回帰・ランダムフォレスト・ニューラルネット）
次回は、その5の「Radiantで予測モデル構築」の「その5-2 回帰問題（線形回帰・回帰木・XGBoost）」について説明します。
