実際にランダムフォレストを使って、売上予測モデルを作成していきます。
フロー
# ライブラリの読み込み
library(data.table)
library(dplyr)
library(ggplot2)
library(randomForest)
# データの読み込み
train <- fread("./data/case01_train.csv", showProgress = FALSE, data.table = FALSE)
store <- fread("./data/case01_store.csv", showProgress = FALSE, data.table = FALSE)
train <- left_join(train, store, by = "Store")
# 営業日のデータのみ使う
train <- filter(train, Open == 1)
# 欠損値は0で補完
train[is.na(train)] <- 0
# 時系列情報を分解
train$Date <- as.Date(train$Date)
train$month <- as.integer(format(train$Date, "%m"))
train$year <- as.integer(format(train$Date, "%y"))
train$day <- as.integer(format(train$Date, "%d"))
# date, Customers, Open, StateHolidayは除外
model.dat <- select(train, -c(3, 5, 6, 8))
for (f in names(model.dat)) {
if (class(train[[f]])=="character") {
levels <- unique(model.dat[[f]])
model.dat[[f]] <- as.integer(factor(model.dat[[f]], levels=levels))
}
}
# すべてのデータを使うと時間がかかるので調整
model.dat <- model.dat[1:100000,]
# トレーニング用に70000サンプルをランダムに抽出
train.index <- sort(sample(1:nrow(model.dat), size = 70000))
#モデリング用と検証用にデータセットを分離
train <- model.dat[train.index,]
test <- model.dat[-train.index,]
ランダムフォレストでモデリング
# この処理は時間がかかります
# チューニング
feature.names <- names(select(train, -Sales))
train.tune <- tuneRF(train[,feature.names], train$Sales, doBest = T)
## mtry = 5 OOB error = 1474034
## Searching left ...
## mtry = 3 OOB error = 3072661
## -1.084525 0.05
## Searching right ...
## mtry = 10 OOB error = 1078813
## 0.2681224 0.05
## mtry = 16 OOB error = 1057374
## 0.01987207 0.05
# モデリング
train.rf <- randomForest(Sales ~., data = train, mtry = train.tune$mtry)
# 検証用データにモデルを適用
test$pred <- predict(train.rf, test)
# 平均二乗誤差(検証用データのレンンタル数と予測値の離れ具合)でモデル精度を評価
(mean((test$Sales - test$pred) ^ 2)) ^ 1/2
## [1] 501648.4
この数値はいろいろなパターンでモデルを作成し、比較する際に使う。
ggplot(test, aes(x = pred, y = Sales)) +
geom_point(alpha = 0.6) +
xlim(0,25000) +
ylim(0,25000)
## Warning: Removed 29 rows containing missing values (geom_point).
横軸が予測値で、縦軸が検証用データの各店舗の1日あたりの売上です。それなりに予測できているようです。
「データから価値を創造する」一般社団法人データマーケティングラボラトリー
Copyright© DML All Rights Reserved.