You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
1080 lines
68 KiB
1080 lines
68 KiB
{
|
|
"nbformat": 4,
|
|
"nbformat_minor": 2,
|
|
"metadata": {
|
|
"colab": {
|
|
"name": "lesson_3-R.ipynb",
|
|
"provenance": [],
|
|
"collapsed_sections": [],
|
|
"toc_visible": true
|
|
},
|
|
"kernelspec": {
|
|
"name": "ir",
|
|
"display_name": "R"
|
|
},
|
|
"language_info": {
|
|
"name": "R"
|
|
}
|
|
},
|
|
"cells": [
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"# សាងសង់ម៉ូដែលរេហ្គ្រេស្សិន: ម៉ូដែលរេហ្គ្រេស្សិនតូចតាង និងម៉ូដែលរេហ្គ្រេស្សិនពហុធារៈ\n"
|
|
],
|
|
"metadata": {
|
|
"id": "EgQw8osnsUV-"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"## ការសម្គាល់ជាអាក្សរសម្រាប់តម្លៃដល់ក្រហមផ្កាពោធិ៍ - មេរៀនទី 3\n",
|
|
"<p >\n",
|
|
" <img src=\"../../../../../../translated_images/km/linear-polynomial.5523c7cb6576ccab.webp\"\n",
|
|
" width=\"800\"/>\n",
|
|
" <figcaption>រូបភាពព័ត៌មានដោយ Dasani Madipalli</figcaption>\n",
|
|
"\n",
|
|
"\n",
|
|
"<!--{width=\"800\"}-->\n",
|
|
"\n",
|
|
"#### ការណែនាំ\n",
|
|
"\n",
|
|
"ផ្តើមពីនេះ អ្នកបានស្រាវជ្រាវចំពោះអ្វីដែល regression គឺជាមួយទិន្នន័យគំរូយកមកពីឃ្លាំងតម្លៃក្រហមផ្កាពោធិ៍ ដែលយើងនឹងប្រើក្នុងមេរៀននេះ។ អ្នកក៏បានបង្ហាញវាដោយប្រើ `ggplot2`។💪\n",
|
|
"\n",
|
|
"ឥឡូវនេះ អ្នកបានត្រៀមខ្លួនរួចដើម្បីចូលទៅជ្រាបជ្រៅចំពោះ regression សម្រាប់ ML។ ក្នុងមេរៀននេះ អ្នកនឹងរៀនបន្ថែមអំពីប្រភេទ regression ស្រាលពី *linear regression* និង *polynomial regression*, ជាមួយនឹងគណិតវិទ្យាអ្នកក៏នឹងស្គាល់យ៉ាងខ្លី។\n",
|
|
"\n",
|
|
"> ក្នុងវគ្គសិក្សានេះ យើងសន្មត់ថាយើងមានចំណេះដឹងគណិតវិទ្យាអប្បបរមា ហើយព្យាយាមធ្វើអោយវាមានភាពងាយស្រួលសម្រាប់សិស្សដែលមកពីដែនកំណត់ផ្សេងទៀត ដូច្នេះសូមចំណាំកំណត់ចំណាំ, 🧮 ការផ្តល់ព្រមាន, រូបភាព, និងឧបករណ៍សិក្សាផ្សេងៗ ដើម្បីជួយឱ្យយល់ច្បាស់។\n",
|
|
"\n",
|
|
"#### ការរៀបចំ\n",
|
|
"\n",
|
|
"ជាថ្លែងអនុញ្ញាត អ្នកកំពុងផ្ទុកទិន្នន័យនេះ ដើម្បីសួរប្រធានបទចំពោះវា។\n",
|
|
"\n",
|
|
"- តើពេលណាល្អបំផុតសម្រាប់ទិញក្រហមផ្កាពោធិ៍?\n",
|
|
"\n",
|
|
"- តម្លៃដែលខ្ញុំអាចរំពឹងទុកពីប្រអប់ក្រហមផ្កាពោធិ៍តូចៗជាម្ចាស់បៀបែបមួយ?\n",
|
|
"\n",
|
|
"- តើខ្ញុំគួរទិញវាទៅក្នុងធុងផ្លាស្ទិចកូបមួយចង្កោម ឬក្នុងប្រអប់ 1 1/9 bushel មួយ? មកពិនិត្យបន្តជ្រាបទិន្នន័យនេះចុះ។\n",
|
|
"\n",
|
|
"ក្នុងមេរៀនមុន អ្នកបានបង្កើត `tibble` (ដែលជារូបភាពបែបទំនើបនៃ data frame) ហើយបញ្ចូលវាដោយចំនួនមួយនៃទិន្នន័យដើម ដើម្បីគុណនឹងតម្លៃតាម bushel។ តែដោយរបៀបនេះ អ្នកអាចប្រមូលបានតែប្រហែល៤០០ចំណុចទិន្នន័យ ហើយសម្រាប់ខែរដូវស្លឹកឈើជ្រុះប៉ុណ្ណោះ។ ប្រហែលហើយយើងអាចទទួលបានព័ត៌មានលម្អិតបន្ថែមពីសភាពទិន្នន័យ ដោយសំអាតវាបន្ថែមទៀតទេ? យើងនឹងមើល... 🕵️♀️\n",
|
|
"\n",
|
|
"សម្រាប់ការងារនេះ យើងត្រូវការតំឡើងកម្មវិធីដូចខាងក្រោម៖\n",
|
|
"\n",
|
|
"- `tidyverse`: [tidyverse](https://www.tidyverse.org/) គឺជាកញ្ចប់កម្មវិធី R មួយដែលរួមបញ្ចូលជាច្រើនទៅក្នុងវិស័យវិទ្យាស្ថានទិន្នន័យ ដើម្បីធ្វើឲ្យការងារជាមួយទិន្នន័យកាន់តែលឿន, ងាយស្រួល និងរីករាយ!\n",
|
|
"\n",
|
|
"- `tidymodels`: ស៊ុម [tidymodels](https://www.tidymodels.org/) គឺជាកញ្ចប់ package សម្រាប់បង្កើតគំរូ និងការសិក្សាម៉ាស៊ីនលើការដឹកនាំ។\n",
|
|
"\n",
|
|
"- `janitor`: កញ្ចប់ [janitor](https://github.com/sfirke/janitor) ផ្ដល់ឧបករណ៍តូចៗសម្រាប់ពិនិត្យ និងសំអាតទិន្នន័យមិនស្អាត។\n",
|
|
"\n",
|
|
"- `corrplot`: កញ្ចប់ [corrplot](https://cran.r-project.org/web/packages/corrplot/vignettes/corrplot-intro.html) ផ្ដល់ឧបករណ៍មើលទិដ្ឋភាពនៃគំនូស correlation matrix ដែលគាំទ្រការផ្លាស់ប្តូរជួរឈរពណ៌ដោយស្វ័យប្រវត្តិ ដើម្បីជួយរកគំរូលាក់នៅចន្លោះអថេរ។\n",
|
|
"\n",
|
|
"អ្នកអាចតំឡើងវាជា:\n",
|
|
"\n",
|
|
"`install.packages(c(\"tidyverse\", \"tidymodels\", \"janitor\", \"corrplot\"))`\n",
|
|
"\n",
|
|
"ស្គ្រីបខាងក្រោមពិនិត្យថាតើអ្នកមាន package ត្រូវការដើម្បីបញ្ចប់ម៉ូឌុលនេះ ឬអត់ ហើយនឹងតំឡើងវាដើម្បីអ្នកបើវាខ្វះ។\n"
|
|
],
|
|
"metadata": {
|
|
"id": "WqQPS1OAsg3H"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"suppressWarnings(if (!require(\"pacman\")) install.packages(\"pacman\"))\n",
|
|
"\n",
|
|
"pacman::p_load(tidyverse, tidymodels, janitor, corrplot)"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "tA4C2WN3skCf",
|
|
"colab": {
|
|
"base_uri": "https://localhost:8080/"
|
|
},
|
|
"outputId": "c06cd805-5534-4edc-f72b-d0d1dab96ac0"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"យើងនឹងបញ្ចូលកញ្ចប់ដ៏អស្ចារ្យទាំងនេះនៅពេលក្រោយ ហើយធ្វើអោយវាមានប្រើប្រាស់បានក្នុងសម័យ R បច្ចុប្បន្នរបស់យើង។ (នេះគឺសម្រាប់ការបង្ហាញតែមួយ `pacman::p_load()` បានធ្វើរួចហើយសម្រាប់អ្នក)\n",
|
|
"\n",
|
|
"## 1. របារចំណោមអាស៊ីតលីនេអ៊ែរ\n",
|
|
"\n",
|
|
"ដូចដែលអ្នកបានរៀននៅថ្នាក់មួយ គោលដៅនៃការប្រតិបត្តិរដ្ឋលីនេអ៊ែរ គឺដើម្បីឲ្យអាចគូរបាន *បន្ទាត់* *សម្រិតល្អបំផុត* ដើម្បី៖\n",
|
|
"\n",
|
|
"- **បង្ហាញទំនាក់ទំនងអថេរ**។ បង្ហាញទំនាក់ទំនងរវាងអថេរ\n",
|
|
"\n",
|
|
"- **ធ្វើការព្យាករណ៍**។ ធ្វើការព្យាករណ៍បានត្រឹមត្រូវពីនៅទីតាំងដែលទិន្នន័យថ្មីនឹងធ្លាក់នៅទំនាក់ទំនងទៅនឹងបន្ទាត់នោះ។\n",
|
|
"\n",
|
|
"ដើម្បីគូរប្រភេទបន្ទាត់នេះ យើងប្រើបច្ចេកទេសស្ថិតិដែលហៅថា **Least-Squares Regression**។ ពាក្យ `least-squares` មានន័យថាទិន្នន័យគ្រប់ចំនុចជុំវិញបន្ទាត់វាយតម្លៃត្រូវបានធ្វើការយករាងការ (square) ហើយបន្ថែមគ្នា។ យ៉ាងល្អបំផុត សរុបចុងក្រោយត្រូវតែលើកតិចបំផុត ព្រោះយើងចង់បានចំនួនកំហុសទាប ឬ `least-squares`។ ដូច្នេះ បន្ទាត់សម្រិតល្អបំផុតគឺជាបន្ទាត់ដែលផ្តល់តម្លៃទាបបំផុតសម្រាប់សរុបកំហុសរាងការ - ដូច្នេះឈ្មោះ *least squares regression* ។\n",
|
|
"\n",
|
|
"យើងធ្វើដូច្នេះ ព្រោះយើងចង់ម៉ូដែលបន្ទាត់ដែលមានចម្ងាយសរុបតិចបំផុតពីទិន្នន័យគ្រប់ចំនុចរបស់យើង។ យើងក៏ដាក់គូររាងការដើម្បីជម្រះចំនួនវិសាលភាពជាមូលដ្ឋានជាងទិសដៅ។\n",
|
|
"\n",
|
|
"> **🧮 បង្ហាញខ្ញុំគណនាគណិតវិទ្យា**\n",
|
|
">\n",
|
|
"> បន្ទាត់នេះ ហៅថា *បន្ទាត់សម្រិតល្អបំផុត* អាចត្រូវបញ្ជាក់តាមរយៈ [សមីការ](https://en.wikipedia.org/wiki/Simple_linear_regression):\n",
|
|
">\n",
|
|
"> Y = a + bX\n",
|
|
">\n",
|
|
"> `X` គឺជា '`អថេរពន្យល់` ឬ `អ្នកព្យាករណ៍`'។ `Y` គឺជា '`អថេរពឹងផ្អែក` ឬ `លទ្ធផល`'។ រលកបន្ទាត់គឺជា `b` ហើយ `a` ជាចំណុចឈរ y-intercept ដែលមានន័យថាតម្លៃ `Y` នៅពេល `X = 0`។\n",
|
|
">\n",
|
|
"\n",
|
|
"> ![](../../../../../../2-Regression/3-Linear/solution/images/slope.png \"slope = $y/x$\")\n",
|
|
" រូបភាពដោយ Jen Looper\n",
|
|
">\n",
|
|
"> ចាប់ផ្តើម គណនារលក `b`។\n",
|
|
">\n",
|
|
"> ផ្ទេរជាពាក្យផ្សេង ហើយយោងទៅកាន់សំនួរដើមពីទិន្នន័យផំពងរបស់យើង៖ \"ព្យាករណ៍តម្លៃផំពងក្នុងមួយប៊ូសែលតាមខែ\" `X` គឺតំណាងឲ្យតម្លៃ ក៏ដូចជា `Y` គឺតំណាងឲ្យខែមួយដែលបានលក់។\n",
|
|
">\n",
|
|
"> \n",
|
|
" រូបភាពដោយ Jen Looper\n",
|
|
"> \n",
|
|
"> គណនាតម្លៃ Y។ ប្រសិនបើអ្នកបង់ប្រហែល \\$4 នោះត្រូវតែលើខែមេសា!\n",
|
|
">\n",
|
|
"> គណនាគណិតដែលគិតពីបន្ទាត់ ត្រូវបង្ហាញពីរលករបស់បន្ទាត់ ដែលក៏ពឹងផ្អែកទៅលើចំណុចឈរ ឬនៅទីតាំងដែល `Y` ស្ថិតនៅពេល `X = 0`។\n",
|
|
">\n",
|
|
"> អ្នកអាចមើលមេធដ្ឋិការគណនាសម្រាប់តម្លៃទាំងនេះនៅគេហទំព័រ [Math is Fun](https://www.mathsisfun.com/data/least-squares-regression.html)។ ក៏សូមចូលទៅកាន់ [เครื่องคิดเลข Least-squares](https://www.mathsisfun.com/data/least-squares-calculator.html) ដើម្បីមើលថាតម្លៃលេខបានឥទ្ធិពលដូចម្តេចចំពោះបន្ទាត់។\n",
|
|
"\n",
|
|
"មិនរំខានប៉ុនណា ទេ មែនទេ? 🤓\n",
|
|
"\n",
|
|
"#### សមួង\n",
|
|
"\n",
|
|
"ពាក្យមួយទៀតដែលត្រូវយល់គឺ **សមួងរាងការ** រវាងអថេរ X និង Y ខណ្ឌមួយ។ ប្រើការគូរប្រភេទ scatterplot អ្នកអាចមើលឃើញសមួងនេះបានយ៉ាងឆាប់រហ័ស។ ការគូរដែលមានចំណុចចោលជួរដែលស្អាតមានសមួងខ្ពស់ ប៉ុន្តែការគូរដែលមានចំណុចចោលគ្រប់ទីតាំងរវាង X និង Y មានសមួងទាប។\n",
|
|
"\n",
|
|
"ម៉ូដែលរាងការលីនេអ៊ែរ ដែលល្អ គឺម៉ូដែលដែលមានសមួងខ្ពស់ (ជិត 1 ជាង 0) ប្រើវិធី Least-Squares Regression ជាមួយបន្ទាត់វាយតម្លៃ។\n"
|
|
],
|
|
"metadata": {
|
|
"id": "cdX5FRpvsoP5"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"## **2. រាំជាមួយទិន្នន័យ៖ ការបង្កើតស៊ុមទិន្នន័យដែលនឹងត្រូវប្រើសម្រាប់សំណុំម៉ូដែល** \n",
|
|
"\n",
|
|
"<p >\n",
|
|
" <img src=\"../../../../../../translated_images/km/janitor.e4a77dd3d3e6a32e.webp\"\n",
|
|
" width=\"700\"/>\n",
|
|
" <figcaption>សិល្បៈដោយ @allison_horst</figcaption>\n",
|
|
"\n",
|
|
"\n",
|
|
"<!--{width=\"700\"}-->\n"
|
|
],
|
|
"metadata": {
|
|
"id": "WdUKXk7Bs8-V"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"Load up required libraries and dataset. Convert the data to a data frame containing a subset of the data:\n",
|
|
"\n",
|
|
"- ទទួលបានតែលោកគ្រូដែលមានតម្លៃតាមប៊ស្សែលប៉ុណ្ណោះ\n",
|
|
"\n",
|
|
"- បម្លែងកាលបរិច្ឆេទទៅជាខែ\n",
|
|
"\n",
|
|
"- គណនាតម្លៃឱ្យជាមធ្យមរវាងតម្លៃខ្ពស់ និង តម្លៃទាប\n",
|
|
"\n",
|
|
"- បម្លែងតម្លៃឱ្យតំណាងលេខរាយតាមប៊ស្សែល\n",
|
|
"\n",
|
|
"> យើងបានគ្របដណ្តប់ចំណុចទាំងនេះក្នុង [មេរៀនមុន](https://github.com/microsoft/ML-For-Beginners/blob/main/2-Regression/2-Data/solution/lesson_2-R.ipynb)។\n"
|
|
],
|
|
"metadata": {
|
|
"id": "fMCtu2G2s-p8"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Load the core Tidyverse packages\n",
|
|
"library(tidyverse)\n",
|
|
"library(lubridate)\n",
|
|
"\n",
|
|
"# Import the pumpkins data\n",
|
|
"pumpkins <- read_csv(file = \"https://raw.githubusercontent.com/microsoft/ML-For-Beginners/main/2-Regression/data/US-pumpkins.csv\")\n",
|
|
"\n",
|
|
"\n",
|
|
"# Get a glimpse and dimensions of the data\n",
|
|
"glimpse(pumpkins)\n",
|
|
"\n",
|
|
"\n",
|
|
"# Print the first 50 rows of the data set\n",
|
|
"pumpkins %>% \n",
|
|
" slice_head(n = 5)"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "ryMVZEEPtERn"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"ក្នុងទឹកចិត្តនៃការផ្សងព្រេងអស់សោះ យើងមកស្វែងយល់អំពី [`janitor package`](../../../../../../2-Regression/3-Linear/solution/R/github.com/sfirke/janitor) ដែលផ្តល់នូវមុខងារងាយស្រួលសម្រាប់ពិនិត្យនិងសំអាតទិន្នន័យខូច។ ឧទាហរណ៍ យើងមកមើលឈ្មោះជួរឈររបស់ទិន្នន័យរបស់យើង៖\n"
|
|
],
|
|
"metadata": {
|
|
"id": "xcNxM70EtJjb"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Return column names\n",
|
|
"pumpkins %>% \n",
|
|
" names()"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "5XtpaIigtPfW"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"🤔 យើងអាចធ្វើបានល្អជាងនេះ។ យើងមកបំលែងឈ្មោះជួរឈរទាំងនេះជារៀង `friendR` ដោយបម្លែងពួកវាទៅជារបៀប [snake_case](https://en.wikipedia.org/wiki/Snake_case) ដោយប្រើ `janitor::clean_names`។ ដើម្បីស្វែងយល់បន្ថែមអំពីមុខងារនេះ៖ `?clean_names`\n"
|
|
],
|
|
"metadata": {
|
|
"id": "IbIqrMINtSHe"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Clean names to the snake_case convention\n",
|
|
"pumpkins <- pumpkins %>% \n",
|
|
" clean_names(case = \"snake\")\n",
|
|
"\n",
|
|
"# Return column names\n",
|
|
"pumpkins %>% \n",
|
|
" names()"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "a2uYvclYtWvX"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"ស្អាតជាងមុនទៀត 🧹! ឥឡូវនេះ រាំជាមួយទិន្នន័យប្រើ `dplyr` ដូចក្នុងមេរៀនមុន! 💃\n"
|
|
],
|
|
"metadata": {
|
|
"id": "HfhnuzDDtaDd"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Select desired columns\n",
|
|
"pumpkins <- pumpkins %>% \n",
|
|
" select(variety, city_name, package, low_price, high_price, date)\n",
|
|
"\n",
|
|
"\n",
|
|
"\n",
|
|
"# Extract the month from the dates to a new column\n",
|
|
"pumpkins <- pumpkins %>%\n",
|
|
" mutate(date = mdy(date),\n",
|
|
" month = month(date)) %>% \n",
|
|
" select(-date)\n",
|
|
"\n",
|
|
"\n",
|
|
"\n",
|
|
"# Create a new column for average Price\n",
|
|
"pumpkins <- pumpkins %>% \n",
|
|
" mutate(price = (low_price + high_price)/2)\n",
|
|
"\n",
|
|
"\n",
|
|
"# Retain only pumpkins with the string \"bushel\"\n",
|
|
"new_pumpkins <- pumpkins %>% \n",
|
|
" filter(str_detect(string = package, pattern = \"bushel\"))\n",
|
|
"\n",
|
|
"\n",
|
|
"# Normalize the pricing so that you show the pricing per bushel, not per 1 1/9 or 1/2 bushel\n",
|
|
"new_pumpkins <- new_pumpkins %>% \n",
|
|
" mutate(price = case_when(\n",
|
|
" str_detect(package, \"1 1/9\") ~ price/(1.1),\n",
|
|
" str_detect(package, \"1/2\") ~ price*2,\n",
|
|
" TRUE ~ price))\n",
|
|
"\n",
|
|
"# Relocate column positions\n",
|
|
"new_pumpkins <- new_pumpkins %>% \n",
|
|
" relocate(month, .before = variety)\n",
|
|
"\n",
|
|
"\n",
|
|
"# Display the first 5 rows\n",
|
|
"new_pumpkins %>% \n",
|
|
" slice_head(n = 5)"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "X0wU3gQvtd9f"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"ដោយការងារល្អ!👌 ឥឡូវនេះអ្នកមានចំណូលដើមទិន្នន័យស្អាត និងទៀងទាត់ ដែលអ្នកអាចប្រើសម្រាប់កសាងគំរូបន្ទាប់បន្សំថ្មីរបស់អ្នក!\n",
|
|
"\n",
|
|
"ចង់មានតារាងប៉ះមើលទេ?\n"
|
|
],
|
|
"metadata": {
|
|
"id": "UpaIwaxqth82"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Set theme\n",
|
|
"theme_set(theme_light())\n",
|
|
"\n",
|
|
"# Make a scatter plot of month and price\n",
|
|
"new_pumpkins %>% \n",
|
|
" ggplot(mapping = aes(x = month, y = price)) +\n",
|
|
" geom_point(size = 1.6)\n"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "DXgU-j37tl5K"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"គំនូសព្រីនកណ្តុរនេះរំលឹកយើងថាយើងមានទិន្នន័យខែមួយតែមួយចាប់ពីខែកញ្ញាតទៅដល់ខែធ្នូ។ យើងប្រហែលជាត្រូវការទិន្នន័យបន្ថែមដើម្បីអាចរៀបចំសេចក្តីសន្និដ្ឋានដោយរបៀបបន្ទាត់។\n",
|
|
"\n",
|
|
"យើងចាំមើលទិន្នន័យម៉ូដែលរបស់យើងម្ដងទៀត៖\n"
|
|
],
|
|
"metadata": {
|
|
"id": "Ve64wVbwtobI"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Display first 5 rows\n",
|
|
"new_pumpkins %>% \n",
|
|
" slice_head(n = 5)"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "HFQX2ng1tuSJ"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"តើតើយើងចង់ទាយតម្លៃ `price` នៃផ្លែដូងសៀងដោយផ្អែកលើជួរឈរ `city` ឬ `package` ដែលជាប្រភេទតួអក្សរ ឬ? ឬថែមទាំងភាសាទេទៀត យើងអាចស្វែងរកការតភ្ជាប់គ្នា (correlation) ដែលតម្រូវឱ្យទាំងពីរបញ្ចូលមានជាតិនិរន្តរភាព (numeric) រួច ដូចជា `package` និង `price` បានយ៉ាងដូចម្តេច? 🤷🤷\n",
|
|
"\n",
|
|
"ម៉ាស៊ីនរៀន (Machine learning models) ប្រើប្រាស់ល្អជាមួយលក្ខណៈជាតិនិរន្តរជាងតំម្លៃអត្ថបទដូច្នេះអ្នកត្រូវការបម្លែងលក្ខណៈអក្សរជាលក្ខណៈជាតិនិរន្តជាទូទៅ។\n",
|
|
"\n",
|
|
"នេះមានន័យថា យើងត្រូវស្វែងរកវិធីកែទ្រង់ទ្រាយអ្នកប៉ាន់ប្រមាណ (predictors) ដើម្បីឲ្យវាងាយស្រួលសម្រាប់ម៉ូដែលប្រើប្រាស់យ៉ាងមានប្រសិទ្ធភាព កាលវិភាគនេះហៅថា `feature engineering`។\n"
|
|
],
|
|
"metadata": {
|
|
"id": "7hsHoxsStyjJ"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"## 3. ការកំណ preprocess ទិន្នន័យសម្រាប់ម៉ូដែលជាមួយ recipes 👩🍳👨🍳\n",
|
|
"\n",
|
|
"សកម្មភាពដែលបំលែងតម្លៃ predictor ដើម្បីធ្វើឱ្យវាងាយស្រួលសម្រាប់ម៉ូដែលប្រើប្រាស់ប្រសើរជាងមុន ត្រូវបានហៅថា `feature engineering`។\n",
|
|
"\n",
|
|
"ម៉ូដែលផ្សេងៗមានតម្រូវការកំណ preprocess ផ្សេងគ្នា។ ឧទាហរណ៍ least squares តម្រូវឱ្យមាន `encoding categorical variables` ដូចជា month, variety និង city_name។ វាទំនងស្មើនឹង `បកប្រែលេខមួយជួរឈរដែលមានតម្លៃកាតេហ្គរិ` ទៅជាជួរឈរលេខមួយឬច្រើន ដែលជំនួសកន្លែងដែលមានមូលដ្ឋាន ។\n",
|
|
"\n",
|
|
"ឧទាហរណ៍៖ សូមសន្មត់ថាទិន្នន័យរបស់អ្នកមានលក្ខណៈកាតេហ្គរិដូចខាងក្រោម៖\n",
|
|
"\n",
|
|
"| city |\n",
|
|
"|:-------:|\n",
|
|
"| Denver |\n",
|
|
"| Nairobi |\n",
|
|
"| Tokyo |\n",
|
|
"\n",
|
|
"អ្នកអាចអនុវត្ត *ordinal encoding* ដើម្បីជំនួសតម្លៃពេញលេញមួយសម្រាប់គ្រប់ប្រភេទ ដូចជា៖\n",
|
|
"\n",
|
|
"| city |\n",
|
|
"|:----:|\n",
|
|
"| 0 |\n",
|
|
"| 1 |\n",
|
|
"| 2 |\n",
|
|
"\n",
|
|
"ហើយនេះជាការដែលយើងនឹងធ្វើចំពោះទិន្នន័យរបស់យើង!\n",
|
|
"\n",
|
|
"នៅក្នុងផ្នែកនេះ យើងនឹងស្វែងយល់ពីកញ្ចប់ Tidymodels ជាមួយមួយទៀតដែលអស្ចារ្យ: [recipes](https://tidymodels.github.io/recipes/) - ដែលរចនាឡើងដើម្បីជួយអ្នក preprocess ទិន្នន័យរបស់អ្នក **មុន** ការបណ្តុះបណ្តាលម៉ូដែល។ នៅផ្នែកមូលដ្ឋានម្ដងទៀត ព្រោងគឺជាវត្ថុដែលកំណត់ថាតើជំហានណាដែលគួរត្រូវអនុវត្តទៅលើកំណត់ទិន្នន័យមួយ ដើម្បីធ្វើឱ្យវាស្រេចសម្រាប់ម៉ូដែល។\n",
|
|
"\n",
|
|
"ឥឡូវនេះ សូមបង្កើតព្រោងមួយដែលត្រៀមទិន្នន័យរបស់យើងសម្រាប់ម៉ូដែលដោយជំនួសលេខពេញលេញមួយសម្រាប់ការសង្កេតទាំងអស់ក្នុងជួរឈរព្យាករណ៍៖\n"
|
|
],
|
|
"metadata": {
|
|
"id": "AD5kQbcvt3Xl"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Specify a recipe\n",
|
|
"pumpkins_recipe <- recipe(price ~ ., data = new_pumpkins) %>% \n",
|
|
" step_integer(all_predictors(), zero_based = TRUE)\n",
|
|
"\n",
|
|
"\n",
|
|
"# Print out the recipe\n",
|
|
"pumpkins_recipe"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "BNaFKXfRt9TU"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"អស្ចារ្យណាស់! 👏 យើងទើបតែបង្កើតរូបមន្តដំបូងរបស់យើងដែលកំណត់លទ្ធផលមួយ (តម្លៃ) និងអ្នកចាប់ផ្តើមដែលទាក់ទង និងថាតើជួរឈរអ្នកចាប់ផ្តើមគ្រប់គ្រងគួរតែត្រូវបានបកប្រែទៅជាសំណុំលេខអាំងតេហ្សេរ 🙌! យើងមកបំបែកវាដោយរហ័ស៖\n",
|
|
"\n",
|
|
"- ការហៅទៅ `recipe()` ជាមួយរូបមន្តមួយប្រាប់រូបមន្តពី *តួនាទី* នៃអថេរដោយប្រើទិន្នន័យ `new_pumpkins` ជាជំនួយ។ ឧទាហរណ៍ជួរឈរ `price` ត្រូវបានផ្ដល់តួនាទី `outcome` ខណៈដែលជួរឈរផ្សេងទៀតត្រូវបានផ្ដល់តួនាទីជា `predictor`។\n",
|
|
"\n",
|
|
"- `step_integer(all_predictors(), zero_based = TRUE)` បញ្ជាក់ថាអ្នកចាប់ផ្តើមទាំងអស់គួរត្រូវបានបម្លែងទៅជាសំណុំលេខអាំងតេហ្សេរដោយលេខរាប់ចាប់ផ្តើមពី 0 ។\n",
|
|
"\n",
|
|
"យើងប្រាកដថាអ្នកប្រហែលជាកំពុងមានគំនិតយ៉ាងដូចជា៖ \"នេះគួរឲ្យចាប់អារម្មណ៍ណាស់!! តែកើតអ្វីមួយប្រសិនបើខ្ញុំចង់បញ្ជាក់ថារូបមន្តកំពុងធ្វើអ្វីដែលខ្ញុំរង់ចាំមែនទេ? 🤔\"\n",
|
|
"\n",
|
|
"នោះជាគំនិតដ៏អស្ចារ្យ! អ្នកឃើញទេ ថា ពេលដែលរូបមន្តរបស់អ្នកត្រូវបានកំណត់ អ្នកអាចប៉ាន់ប្រមាណប៉ារ៉ាម៉ែត្រ ដែលចាំបាច់សម្រាប់ធ្វើដេតាការដំណើរការពិតប្រាកដ ហើយបន្ទាប់មកទាញយកទិន្នន័យដូចបានដំណើរការ។ អ្នកប្រៀបធៀបមិនចាំបាច់ធ្វើបែបនេះជាទូទៅនៅពេលប្រើ Tidymodels (យើងនឹងឃើញប្រព័ន្ធធម្មតាក្នុងរយៈពេលហើយនេះ- > `workflows`) ប៉ុន្តែវាអាចមានប្រយោជន៍នៅពេលអ្នកចង់ធ្វើតម្លើងការត្រួតពិនិត្យមួយ ដើម្បីបញ្ជាក់ថារូបមន្តកំពុងធ្វើអ្វីដែលអ្នករំពឹងទុក។\n",
|
|
"\n",
|
|
"សម្រាប់នេះ អ្នកត្រូវការពាក្យកិច្ចការ២ជាងនេះទៀតគឺ៖ `prep()` និង `bake()` ហើយដូចជាគ្រប់ពេល ពួកមិត្តភក្តិ R ដូចជា [`Allison Horst`](https://github.com/allisonhorst/stats-illustrations) ជួយអ្នកយល់ដឹងល្អប្រសើរជាងនេះ!\n",
|
|
"\n",
|
|
"<p >\n",
|
|
" <img src=\"../../../../../../translated_images/km/recipes.9ad10d8a4056bf89.webp\"\n",
|
|
" width=\"550\"/>\n",
|
|
" <figcaption>ស្នាដៃគំនូរដោយ @allison_horst</figcaption>\n"
|
|
],
|
|
"metadata": {
|
|
"id": "KEiO0v7kuC9O"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"[`prep()`](https://recipes.tidymodels.org/reference/prep.html): គណនាពីរបៀបដែលត្រូវការពីសំណុំព្យួរបង្ហាត់ដែលអាចត្រូវអនុវត្តទៅលើសំណុំទិន្នន័យផ្សេងទៀតបាន។ ឧទាហរណ៍ សម្រាប់ជួរឈរព្យួរដែលបានផ្ដល់ អ្វីទៅជាការបែងចែកឲ្យលំដាប់គត់ 0 ឬ 1 ឬ 2 ល។\n",
|
|
"\n",
|
|
"[`bake()`](https://recipes.tidymodels.org/reference/bake.html): យករឿងដែលបានបានធ្វើការ prep ហើយអនុវត្តន៍បច្ចេកទេសទៅលើសំណុំទិន្នន័យណាមួយ។\n",
|
|
"\n",
|
|
"និយាយទៅហើយ ចង់ឲ្យ prep និង bake រូបមន្តរបស់យើង ដើម្បីបញ្ជាក់ថា ក្រោមមួក ខ្សែព្យួរនឹងត្រូវបានកូដមុនពេលម៉ូដែលត្រូវបានហ្វិត។\n"
|
|
],
|
|
"metadata": {
|
|
"id": "Q1xtzebuuTCP"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Prep the recipe\n",
|
|
"pumpkins_prep <- prep(pumpkins_recipe)\n",
|
|
"\n",
|
|
"# Bake the recipe to extract a preprocessed new_pumpkins data\n",
|
|
"baked_pumpkins <- bake(pumpkins_prep, new_data = NULL)\n",
|
|
"\n",
|
|
"# Print out the baked data set\n",
|
|
"baked_pumpkins %>% \n",
|
|
" slice_head(n = 10)"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "FGBbJbP_uUUn"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"Woo-hoo!🥳 ទិន្នន័យដែលបានដំណើរការ `baked_pumpkins` មានអ្នកព្យាករណ៍ទាំងអស់របស់វាត្រូវបានកូដសំរាប់បញ្ជាក់ថាការប្រមូលព័ត៌មានបឋមដែលបានកំណត់ជារេស៊ីពីរបស់យើង នឹងដំណើរការតាមការរំពឹង។ នេះធ្វើឱ្យវាពិបាកសម្រាប់អ្នកក្នុងការអាន ប៉ុន្តែមានភាពយល់ច្បាស់សម្រាប់ Tidymodels! សូមចំណាយពេលមួយដើម្បីរកមើលថាតើព្រឹត្តិការណ៍ណាមួយត្រូវបានផ្គូផ្គងទៅឱ្យអាំងតេជ័រដែលសមរម្យ។\n",
|
|
"\n",
|
|
"វាក៏គួរឲ្យរៀបរាប់ថា `baked_pumpkins` គឺជា data frame ដែលយើងអាចធ្វើកំណត់ត្រាពីលើវាបាន។\n",
|
|
"\n",
|
|
"ឧទាហរណ៍ សូមព្យាយាមរកកសម្លេងល្អរវាងចំណុចពីរនៃទិន្នន័យរបស់អ្នក ដើម្បីបង្កើតគំរូព្យាករណ៍ល្អមួយ។ យើងនឹងប្រើមុខងារ `cor()` ដើម្បីធ្វើការនេះ។ វាយ `?cor()` ដើម្បីស្វែងយល់បន្ថែមអំពីមុខងារ។\n"
|
|
],
|
|
"metadata": {
|
|
"id": "1dvP0LBUueAW"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Find the correlation between the city_name and the price\n",
|
|
"cor(baked_pumpkins$city_name, baked_pumpkins$price)\n",
|
|
"\n",
|
|
"# Find the correlation between the package and the price\n",
|
|
"cor(baked_pumpkins$package, baked_pumpkins$price)\n"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "3bQzXCjFuiSV"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"ដូចដែលបង្ហាញថា មានតែការទាក់ទងខ្សោយរវាងទីក្រុងនិងតម្លៃប៉ុណ្ណោះ។ ទោះជាយ៉ាងណា មានការទាក់ទងល្អជាងបន្តិចរវាងកញ្ចប់និងតម្លៃរបស់វា។ វាមានហេតុផល មែនទេ? ទូទៅ ប្រអប់ផលិតផល越ធំ តម្លៃ越ខ្ពស់។ \n",
|
|
"\n",
|
|
"ខណៈពេលដែលយើងនៅទីនេះ សូមព្យាយាមបង្ហាញម៉ាទ្រិចទាក់ទងរវាងជួរឈរទាំងអស់ដោយប្រើកញ្ចប់ `corrplot` ផង។\n"
|
|
],
|
|
"metadata": {
|
|
"id": "BToPWbgjuoZw"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Load the corrplot package\n",
|
|
"library(corrplot)\n",
|
|
"\n",
|
|
"# Obtain correlation matrix\n",
|
|
"corr_mat <- cor(baked_pumpkins %>% \n",
|
|
" # Drop columns that are not really informative\n",
|
|
" select(-c(low_price, high_price)))\n",
|
|
"\n",
|
|
"# Make a correlation plot between the variables\n",
|
|
"corrplot(corr_mat, method = \"shade\", shade.col = NA, tl.col = \"black\", tl.srt = 45, addCoef.col = \"black\", cl.pos = \"n\", order = \"original\")"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "ZwAL3ksmutVR"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"🤩🤩 ល្អជាងមុន។\n",
|
|
"\n",
|
|
"សំណួរល្អមួយដែលគួរតែសួរឥឡូវនេះនៃទិន្នន័យនេះគឺ៖ '`តើតម្លៃណាដែលខ្ញុំអាចរំពឹងទុកពីកញ្ចប់បន្ទះពន្លឺមួយដែលបានផ្ដល់?`' តោះចូលទៅរកវា!\n",
|
|
"\n",
|
|
"> Note: កាលណាអ្នក **`bake()`** ឆ្មាំបានរៀបចំរួចហើយ **`pumpkins_prep`** ជាមួយ **`new_data = NULL`**, អ្នកនឹងទាញយកទិន្នន័យហ្វឹកហាត់ដែលបានដំណើរការ (ឧ. បានកែឡើង)។ ប្រសិនបើអ្នកមានឈុតទិន្នន័យផ្សេងទៀតដូចជាឈុតសាកល្បង ហើយចង់មើលថាតើពន្លឺចំណីអ្វីដែលនឹងដំណើរការ វាអ្នកគ្រាន់តែប៊ិកឆ្មាំ **`pumpkins_prep`** ជាមួយ **`new_data = test_set`**\n",
|
|
"\n",
|
|
"## ៤. បង្កើតគំរូរ Regression ប្រភេទ Linear\n",
|
|
"\n",
|
|
"<p >\n",
|
|
" <img src=\"../../../../../../translated_images/km/linear-polynomial.5523c7cb6576ccab.webp\"\n",
|
|
" width=\"800\"/>\n",
|
|
" <figcaption>រូបភាពព័ត៌មានដោយ Dasani Madipalli</figcaption>\n",
|
|
"\n",
|
|
"\n",
|
|
"<!--{width=\"800\"}-->\n"
|
|
],
|
|
"metadata": {
|
|
"id": "YqXjLuWavNxW"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"ឥឡូវនេះដែលយើងបានបង្កើតរូបមន្ដមួយ ហើយពិតជាសម្រេចថាប្រាក់ចំណូលនឹងត្រូវបានដំណើរការមុនយ៉ាងត្រឹមត្រូវ តោះ ឥឡូវសូមបង្កើតម៉ូដែលឌីហ្សិនសមីការជាស្តង់ដារមួយ ដើម្បីឆ្លើយសំណួរ៖ `តម្លៃអ្វីដែលខ្ញុំអាចរំពឹងទុកបានសម្រាប់កញ្ចប់ក្រូចឆ្មារពិសេសមួយ?`\n",
|
|
"\n",
|
|
"#### បណ្តុះម៉ូដែលឌីហ្សិនសមីការជាស្តង់ដារមួយ ដោយប្រើតំណាងបណ្តុះបណ្តាល\n",
|
|
"\n",
|
|
"ដូចដែលអ្នកប្រហែលជាបានសំគាល់ហើយ ថា ជួរឈរ *price* គឺជាផលប៉ះពាល់ `outcome` ខណៈដែលជួរឈរ *package* គឺជាផលប៉ះពាល់ `predictor` ។\n",
|
|
"\n",
|
|
"ដើម្បីធ្វើបែបនេះ យើងនឹងបំបែកទិន្នន័យជាមុនជាផ្នែកដែល 80% សម្រាប់បណ្តុះបណ្តាល និង 20% សម្រាប់សាកល្បង បន្ទាប់មកកំណត់រូបមន្ដមួយដែលនឹងកូដជួរឈរ predictor ទៅជាសំណុំនៃលេខលេខរៀង បន្ទាប់មកបង្កើតកំណត់សេចក្ដីបញ្ជាក់ម៉ូដែលមួយ។ យើងមិននឹងត្រៀម និងចម្អិនរូបមន្តរបស់យើង ដោយសារយើងបានដឹងហើយថាវានឹងដំណើរការនូវទិន្នន័យជាមុនដូចដែលបានរំពឹង។\n"
|
|
],
|
|
"metadata": {
|
|
"id": "Pq0bSzCevW-h"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"set.seed(2056)\n",
|
|
"# Split the data into training and test sets\n",
|
|
"pumpkins_split <- new_pumpkins %>% \n",
|
|
" initial_split(prop = 0.8)\n",
|
|
"\n",
|
|
"\n",
|
|
"# Extract training and test data\n",
|
|
"pumpkins_train <- training(pumpkins_split)\n",
|
|
"pumpkins_test <- testing(pumpkins_split)\n",
|
|
"\n",
|
|
"\n",
|
|
"\n",
|
|
"# Create a recipe for preprocessing the data\n",
|
|
"lm_pumpkins_recipe <- recipe(price ~ package, data = pumpkins_train) %>% \n",
|
|
" step_integer(all_predictors(), zero_based = TRUE)\n",
|
|
"\n",
|
|
"\n",
|
|
"\n",
|
|
"# Create a linear model specification\n",
|
|
"lm_spec <- linear_reg() %>% \n",
|
|
" set_engine(\"lm\") %>% \n",
|
|
" set_mode(\"regression\")"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "CyoEh_wuvcLv"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"ការធ្វើការល្អណាស់! ឥឡូវនេះក្នុងពេលយើងមានរូបមន្តនិងលក្ខណៈអ្នកតំណាងម៉ូដែល មួយយើងត្រូវការរកវិធីសាស្រ្តសម្រាប់ធ្វើឱ្យពួកវាជាវត្ថុដូចជាវត្ថុមួយដែលនឹងធ្វើការដំណើរការទិន្នន័យជាមុន (prep+bake នៅព្រំផ្ទៃ) បង្ហាត់ម៉ូដែលលើទិន្នន័យដែលបានដំណើរការមុន និងអនុញ្ញាតឱ្យមានសកម្មភាពបន្ទាប់បង្ហោះមួយចំនួន។ តើនេះជាសម្រាប់ចិត្តសុខខណៈរបស់អ្នកបានដែរទេ!🤩\n",
|
|
"\n",
|
|
"ក្នុង Tidymodels វត្ថុសម្រួលនេះត្រូវហៅថា [`workflow`](https://workflows.tidymodels.org/) ហើយរក្សាទុកគ្រឿងផ្សំនៃម៉ូដែលរបស់អ្នកយ៉ាងងាយស្រួល! នេះគឺជាអ្វីដែលយើងនឹងហៅថា *pipelines* នៅក្នុង *Python*។\n",
|
|
"\n",
|
|
"ដូច្នេះទៅ បញ្ចូលទៅក្នុង workflow ទាំងអស់គ្នា!📦\n"
|
|
],
|
|
"metadata": {
|
|
"id": "G3zF_3DqviFJ"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Hold modelling components in a workflow\n",
|
|
"lm_wf <- workflow() %>% \n",
|
|
" add_recipe(lm_pumpkins_recipe) %>% \n",
|
|
" add_model(lm_spec)\n",
|
|
"\n",
|
|
"# Print out the workflow\n",
|
|
"lm_wf"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "T3olroU3v-WX"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"👌 លើសពីនេះទៅទៀត ការងារដំណាក់កាលអាចត្រូវបានសមស្រប/បង្ហាត់ក្នុងវិធីដូចគ្នានឹងម៉ូឌែលមួយអាចធ្វើបាន។\n"
|
|
],
|
|
"metadata": {
|
|
"id": "zd1A5tgOwEPX"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Train the model\n",
|
|
"lm_wf_fit <- lm_wf %>% \n",
|
|
" fit(data = pumpkins_train)\n",
|
|
"\n",
|
|
"# Print the model coefficients learned \n",
|
|
"lm_wf_fit"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "NhJagFumwFHf"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"ពីលទ្ធផលនៃម៉ូដែល យើងអាចមើលឃើញមេគុណដែលបានរៀននៅពេលបណ្តុះបណ្តាល។ វាតំណាងឱ្យមេគុណនៃបន្ទាត់ផ្គូរផ្គងល្អបំផុត ដែលផ្តល់ឱ្យយើងនូវកំហុសសរុបទាបបំផុតរវាងអថេរពិតនិងអថេរដែលបានទាយ។\n",
|
|
"\n",
|
|
"\n",
|
|
"#### ប៉ាន់ប្រមាណសមត្ថភាពម៉ូដែលដោយប្រើសំណុំតេស្ត\n",
|
|
"\n",
|
|
"ពេលវេលាជំរុញឲ្យយើងមើលថាម៉ូដែលបានអនុវត្តដូចម្តេច 📏! តើយើងធ្វើបានដូចម្តេច?\n",
|
|
"\n",
|
|
"ឥឡូវនេះពេលដែលយើងបានបណ្តុះបណ្តាលម៉ូដែលរួចវិញ យើងអាចប្រើវាសម្រាប់ធ្វើការទាយសម្រាប់ test_set ដោយប្រើ `parsnip::predict()`។ បន្ទាប់មកយើងអាចប្រៀបធៀបការទាយទាំងនេះជាមួយតម្លៃស្លាកពិត ដើម្បីប៉ាន់ប្រមាណថាម៉ូដែលកំពុងដំណើរការល្អ (ឬមិនល្អ!) ប៉ុណ្ណា។\n",
|
|
"\n",
|
|
"ចូរចាប់ផ្តើមពីការធ្វើការទាយសម្រាប់សំណុំតេស្ទហើយបន្ទាប់មកភ្ជាប់កូឡុំទៅនឹងសំណុំតេស្ត។\n"
|
|
],
|
|
"metadata": {
|
|
"id": "_4QkGtBTwItF"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Make predictions for the test set\n",
|
|
"predictions <- lm_wf_fit %>% \n",
|
|
" predict(new_data = pumpkins_test)\n",
|
|
"\n",
|
|
"\n",
|
|
"# Bind predictions to the test set\n",
|
|
"lm_results <- pumpkins_test %>% \n",
|
|
" select(c(package, price)) %>% \n",
|
|
" bind_cols(predictions)\n",
|
|
"\n",
|
|
"\n",
|
|
"# Print the first ten rows of the tibble\n",
|
|
"lm_results %>% \n",
|
|
" slice_head(n = 10)"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "UFZzTG0gwTs9"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"បាទ ឬ ចាស អ្នកទើបតែបណ្តុះម៉ូដែលមួយ ហើយប្រើវាដើម្បីធ្វើការព្យាករណ៍!🔮 តើវាល្អទេ មកវាយតម្លៃកម្រិតការងាររបស់ម៉ូដែលគ្នាដូចម្តេច!\n",
|
|
"\n",
|
|
"នៅក្នុង Tidymodels យើងធ្វើរឿងនេះដោយប្រើ `yardstick::metrics()`! សម្រាប់ការស្វ័យប្រវត្តិស៊ីមប៉ុលតួអក្សរ (linear regression) យើងអាចផ្តោតលើមាត្រដ្ឋានខាងក្រោមនេះៈ\n",
|
|
"\n",
|
|
"- `Root Mean Square Error (RMSE)`: ជាប្រភេទគណនាឫសការគោល MSE។ វាបង្ហាញដល់មាត្រ absolute នៅក្នុងឯកតាដដែលនឹងស្លាក (ក្នុងករណីនេះគឺតម្លៃផ្អែមបុកខ្មៅមួយ)។ តម្លៃតូចជាងនឹងកាន់តែល្អសម្រាប់ម៉ូដែល (មានន័យសាមញ្ញវាតំណាងឲ្យតម្លៃមធ្យមដែលការព្យាករណ៍ខុស!)\n",
|
|
"\n",
|
|
"- `Coefficient of Determination (ជាទូទៅគេហៅថា R-squared ឬ R2)`: ជាមាត្រូបផលស نسب性的 ដែលតម្លៃ越ឧត្តម越ល្អសម្រាប់ការចោលម៉ូដែល។ នៅក្នុងន័យសំខាន់ មាត្រនេះតំណាងឲ្យចំនួនជាតុល្យភាពចន្លោះតម្លៃព្យាករណ៍ និងតម្លៃពិតដែលម៉ូដែលអាចពន្យល់បាន។\n"
|
|
],
|
|
"metadata": {
|
|
"id": "0A5MjzM7wW9M"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Evaluate performance of linear regression\n",
|
|
"metrics(data = lm_results,\n",
|
|
" truth = price,\n",
|
|
" estimate = .pred)"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "reJ0UIhQwcEH"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"នោះជាការសម្តែងប្រសិទ្ធភាពម៉ូដែល។ យើងមកមើលថាតើយើងអាចទទួលបានសញ្ញាដែលល្អជាងនេះដោយវិស្វកម្មប្លង់បង្ហាញចំរូងនៃកញ្ចប់ និងតម្លៃ រួចប្រើការព្យាករណ៍ដែលបានធ្វើដើម្បីប្រាប់បន្ទាត់ល្អបំផុត។\n",
|
|
"\n",
|
|
"នេះមានន័យថាយើងត្រូវតែត្រៀមខ្ទង់ និងរៀបចំសំណុំសាកល្បង ដើម្បីកូដកូឡុមកញ្ចប់ បន្ទាប់មកភ្ជាប់វានឹងការព្យាករណ៍ដែលបានធ្វើដោយម៉ូដែលរបស់យើង។\n"
|
|
],
|
|
"metadata": {
|
|
"id": "fdgjzjkBwfWt"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Encode package column\n",
|
|
"package_encode <- lm_pumpkins_recipe %>% \n",
|
|
" prep() %>% \n",
|
|
" bake(new_data = pumpkins_test) %>% \n",
|
|
" select(package)\n",
|
|
"\n",
|
|
"\n",
|
|
"# Bind encoded package column to the results\n",
|
|
"lm_results <- lm_results %>% \n",
|
|
" bind_cols(package_encode %>% \n",
|
|
" rename(package_integer = package)) %>% \n",
|
|
" relocate(package_integer, .after = package)\n",
|
|
"\n",
|
|
"\n",
|
|
"# Print new results data frame\n",
|
|
"lm_results %>% \n",
|
|
" slice_head(n = 5)\n",
|
|
"\n",
|
|
"\n",
|
|
"# Make a scatter plot\n",
|
|
"lm_results %>% \n",
|
|
" ggplot(mapping = aes(x = package_integer, y = price)) +\n",
|
|
" geom_point(size = 1.6) +\n",
|
|
" # Overlay a line of best fit\n",
|
|
" geom_line(aes(y = .pred), color = \"orange\", size = 1.2) +\n",
|
|
" xlab(\"package\")\n",
|
|
" \n"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "R0nw719lwkHE"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"អស្ចារ្យ! ដូចដែលអ្នកអាចមើលឃើញ គំរូបាញ់បត់បន្ទាត់មួយមិនបានធ្វើការបូករួមទំនាក់ទំនងរវាងកញ្ចប់មួយ និងតម្លៃសមរម្យរបស់វាទៅបានល្អណាស់។\n",
|
|
"\n",
|
|
"🎃 ជប់លៀងសំណាងល្អ អ្នកទើបតែបង្កើតបានគំរូមួយដែលអាចជួយទាយតម្លៃរបស់បុព្វហេតុនៃមិនខ្លះនៃម្សៅផ្លែដូង។ កន្លែងដាំផ្លែដូងឈ្មោលរបស់អ្នកនឹងស្អាតណាស់។ ប៉ុន្តែអ្នកអាចបង្កើតគំរូល្អជាងនេះបានទៀត!\n",
|
|
"\n",
|
|
"## 5. បង្កើតគំរូបាញ់បត់ប៉ូលីណូម\n",
|
|
"\n",
|
|
"<p >\n",
|
|
" <img src=\"../../../../../../translated_images/km/linear-polynomial.5523c7cb6576ccab.webp\"\n",
|
|
" width=\"800\"/>\n",
|
|
" <figcaption>Infographic by Dasani Madipalli</figcaption>\n"
|
|
],
|
|
"metadata": {
|
|
"id": "HOCqJXLTwtWI"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"ម្តងម្កាលទិន្នន័យរបស់យើងអាចមិនមានទំនាក់ទំនងរ៉ែស៊ីស៊ីណែរ ខណៈដែលយើងនៅតែចង់ទាយទំនាក់ទំនងមួយ។ ការកំណត់អត្រាពហុគុណអាចជួយយើងបង្កើតការទាយសម្រាប់ទំនាក់ទំនងមិនរ៉ែស៊ីស៊ីណែរដែលស្មុគស្មាញ។\n",
|
|
"\n",
|
|
"យកឧទាហរណ៍ទំនាក់ទំនងរវាងកញ្ចប់ និងតម្លៃសម្រាប់សំណុំទិន្នន័យដំណាំខ្នងពោតរបស់យើង។ ម្តងម្កាលមានទំនាក់ទំនងរ៉ែស៊ីស៊ីណែរ រវាងអថេរនីមួយៗ - បន្លែខ្នងពោតដែលធំជាយ៉ាងមួយក្នុងចំណោមទំហំ វានឹងមានតម្លៃខ្ពស់ជាង - ប៉ុន្តែម្តងម្កាលទំនាក់ទំនងទាំងនេះមិនអាចគូសជាផ្ទៃ ឬបន្ទាត់ត្រង់បាន។\n",
|
|
"\n",
|
|
"> ✅ នៅទីនេះមាន [ឧទាហរណ៍បន្ថែមមួយចំនួន](https://online.stat.psu.edu/stat501/lesson/9/9.8) នៃទិន្នន័យដែលអាចប្រើប្រាស់ការកំណត់អត្រាពហុគុណ\n",
|
|
">\n",
|
|
"> សូមមើលម្ដងទៀតពីទំនាក់ទំនងរវាងចំណាំដំណាំទៅតម្លៃនៅក្នុងក្រាបមុន។ តើក្រាបចេញបែបនេះសមរម្យអោយវាអាចត្រូវបានវិភាគដោយបន្ទាត់ត្រង់មែនទេ? ប្រហែលមិនទេ។ ក្នុងករណីនេះ អ្នកអាចសាកល្បងការកំណត់អត្រាពហុគុណ។\n",
|
|
">\n",
|
|
"> ✅ ពហុគុណគឺជាអប្បរមាកម្មវិធីគណិតវិទ្យាដែលអាចមានអថេរមួយឬច្រើន និងសមាមាត្រផ្សេងៗ\n",
|
|
"\n",
|
|
"#### បណ្តុះម៉ូដែលកំណត់អត្រាពហុគុណដោយប្រើសំណុំបណ្តុះបណ្ដាល\n",
|
|
"\n",
|
|
"ការកំណត់អត្រាពហុគុណបង្កើត *បន្ទាត់បត់* ដើម្បីសម្រួលទិន្នន័យមិនរ៉ែស៊ីស៊ីណែរ។\n",
|
|
"\n",
|
|
"យើងមកមើលថាម៉ូដែលពហុគុណនេះនឹងដំណើរការល្អជាងក្នុងការបង្កើតការទាយទេឬ? យើងនឹងអនុវត្តវិធីសាស្រ្តមួយស្រដៀងគ្នាដូចដែលធ្វើម្តងមុន៖\n",
|
|
"\n",
|
|
"- បង្កើតរូបមន្តមួយដែលបញ្ជាក់ដំណើរការប្រកាសមុនដែលគួរត្រូវបានអនុវត្តលើទិន្នន័យរបស់យើងដើម្បីត្រៀមខ្លួនសម្រាប់ការតម្រៀបម៉ូដែល ឧ.៖ ការអ៊ិនកូដអ្នកទាយ និងការគណនាពហុគុណនៃឧបករណ៍ដឺក្រេ *n*\n",
|
|
"\n",
|
|
"- សង់ការបញ្ជាក់ម៉ូដែលមួយ\n",
|
|
"\n",
|
|
"- បញ្ចូលរូបមន្ត និងការបញ្ជាក់ម៉ូដែលចូលទៅក្នុងលំហូរការងារ\n",
|
|
"\n",
|
|
"- បង្កើតម៉ូដែលដោយការចងក្រងលំហូរការងារ\n",
|
|
"\n",
|
|
"- វាយតម្លៃមើលថាម៉ូដែលដំណើរការរលូនលើទិន្នន័យសាកល្បងយ៉ាងដូចម្តេច\n",
|
|
"\n",
|
|
"មកចាប់ផ្តើមភ្លាម!\n"
|
|
],
|
|
"metadata": {
|
|
"id": "VcEIpRV9wzYr"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Specify a recipe\r\n",
|
|
"poly_pumpkins_recipe <-\r\n",
|
|
" recipe(price ~ package, data = pumpkins_train) %>%\r\n",
|
|
" step_integer(all_predictors(), zero_based = TRUE) %>% \r\n",
|
|
" step_poly(all_predictors(), degree = 4)\r\n",
|
|
"\r\n",
|
|
"\r\n",
|
|
"# Create a model specification\r\n",
|
|
"poly_spec <- linear_reg() %>% \r\n",
|
|
" set_engine(\"lm\") %>% \r\n",
|
|
" set_mode(\"regression\")\r\n",
|
|
"\r\n",
|
|
"\r\n",
|
|
"# Bundle recipe and model spec into a workflow\r\n",
|
|
"poly_wf <- workflow() %>% \r\n",
|
|
" add_recipe(poly_pumpkins_recipe) %>% \r\n",
|
|
" add_model(poly_spec)\r\n",
|
|
"\r\n",
|
|
"\r\n",
|
|
"# Create a model\r\n",
|
|
"poly_wf_fit <- poly_wf %>% \r\n",
|
|
" fit(data = pumpkins_train)\r\n",
|
|
"\r\n",
|
|
"\r\n",
|
|
"# Print learned model coefficients\r\n",
|
|
"poly_wf_fit\r\n",
|
|
"\r\n",
|
|
" "
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "63n_YyRXw3CC"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"#### វាយតម្លៃការសម្តែងម៉ូដែល\n",
|
|
"\n",
|
|
"👏👏អ្នកបានបង្កើតម៉ូដែលពហុប៉ូលូម let's បង្កើតការព្យាករណ៍លើសំណុំសាកល្បង!\n"
|
|
],
|
|
"metadata": {
|
|
"id": "-LHZtztSxDP0"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Make price predictions on test data\r\n",
|
|
"poly_results <- poly_wf_fit %>% predict(new_data = pumpkins_test) %>% \r\n",
|
|
" bind_cols(pumpkins_test %>% select(c(package, price))) %>% \r\n",
|
|
" relocate(.pred, .after = last_col())\r\n",
|
|
"\r\n",
|
|
"\r\n",
|
|
"# Print the results\r\n",
|
|
"poly_results %>% \r\n",
|
|
" slice_head(n = 10)"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "YUFpQ_dKxJGx"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"វូ-ហ៊ូ តោះយើងពិនិត្យមើលថា ម៉ូដែលបានធ្វើការប្រតិបត្តិលើ test_set ដោយប្រើ `yardstick::metrics()` យ៉ាងដូចម្តេច។\n"
|
|
],
|
|
"metadata": {
|
|
"id": "qxdyj86bxNGZ"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"metrics(data = poly_results, truth = price, estimate = .pred)"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "8AW5ltkBxXDm"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"🤩🤩 ការសម្តែងប្រសើរជាងមុន។\n",
|
|
"\n",
|
|
"`rmse` បានកាត់បន្ថយចុះពីប្រហែល 7. ទៅប្រហែល 3. ដែលបង្ហាញពីកំហុសបានកាត់បន្ថយរវាងតម្លៃពិត និងតម្លៃប៉ាន់ប្រមាណ។ អ្នកអាច *យល់ឱ្យរលូន* ប្រហែលថា ជាមធ្យម ការប៉ាន់ប្រមាណខុសៗគ្នា មានកំហុសប្រហែល 3 ដុល្លារ។ `rsq` បានកើនឡើងពីប្រហែល 0.4 ទៅ 0.8។\n",
|
|
"\n",
|
|
"រ៉ូម៉ែត្រទាំងនេះបង្ហាញថា ម៉ូដែលពហុផលិច មានការសម្តែងល្អជាងម៉ូដែលរೇಖា។ សំណាងល្អ!\n",
|
|
"\n",
|
|
"មកយើងមើលមើលថាអាចបង្ហាញវាជារូបភាពបានទេ!\n"
|
|
],
|
|
"metadata": {
|
|
"id": "6gLHNZDwxYaS"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Bind encoded package column to the results\r\n",
|
|
"poly_results <- poly_results %>% \r\n",
|
|
" bind_cols(package_encode %>% \r\n",
|
|
" rename(package_integer = package)) %>% \r\n",
|
|
" relocate(package_integer, .after = package)\r\n",
|
|
"\r\n",
|
|
"\r\n",
|
|
"# Print new results data frame\r\n",
|
|
"poly_results %>% \r\n",
|
|
" slice_head(n = 5)\r\n",
|
|
"\r\n",
|
|
"\r\n",
|
|
"# Make a scatter plot\r\n",
|
|
"poly_results %>% \r\n",
|
|
" ggplot(mapping = aes(x = package_integer, y = price)) +\r\n",
|
|
" geom_point(size = 1.6) +\r\n",
|
|
" # Overlay a line of best fit\r\n",
|
|
" geom_line(aes(y = .pred), color = \"midnightblue\", size = 1.2) +\r\n",
|
|
" xlab(\"package\")\r\n"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "A83U16frxdF1"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"អ្នកអាចមើលឃើញខ្សែកោងមួយដែលសមស្របជាងសម្រាប់ទិន្នន័យរបស់អ្នក! 🤩\n",
|
|
"\n",
|
|
"អ្នកអាចធ្វើឲ្យវាស្កាយជាងនេះបានដោយផ្តល់មូលដ្ឋានពហុបថទៅ `geom_smooth` ដូចនេះ៖\n"
|
|
],
|
|
"metadata": {
|
|
"id": "4U-7aHOVxlGU"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Make a scatter plot\r\n",
|
|
"poly_results %>% \r\n",
|
|
" ggplot(mapping = aes(x = package_integer, y = price)) +\r\n",
|
|
" geom_point(size = 1.6) +\r\n",
|
|
" # Overlay a line of best fit\r\n",
|
|
" geom_smooth(method = lm, formula = y ~ poly(x, degree = 4), color = \"midnightblue\", size = 1.2, se = FALSE) +\r\n",
|
|
" xlab(\"package\")"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "5vzNT0Uexm-w"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"ដូចជាកោងរលោងមួយ!🤩\n",
|
|
"\n",
|
|
"នេះជារបៀបដែលអ្នកនឹងធ្វើការទាយទាយថ្មីមួយ៖\n"
|
|
],
|
|
"metadata": {
|
|
"id": "v9u-wwyLxq4G"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"source": [
|
|
"# Make a hypothetical data frame\r\n",
|
|
"hypo_tibble <- tibble(package = \"bushel baskets\")\r\n",
|
|
"\r\n",
|
|
"# Make predictions using linear model\r\n",
|
|
"lm_pred <- lm_wf_fit %>% predict(new_data = hypo_tibble)\r\n",
|
|
"\r\n",
|
|
"# Make predictions using polynomial model\r\n",
|
|
"poly_pred <- poly_wf_fit %>% predict(new_data = hypo_tibble)\r\n",
|
|
"\r\n",
|
|
"# Return predictions in a list\r\n",
|
|
"list(\"linear model prediction\" = lm_pred, \r\n",
|
|
" \"polynomial model prediction\" = poly_pred)\r\n"
|
|
],
|
|
"outputs": [],
|
|
"metadata": {
|
|
"id": "jRPSyfQGxuQv"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"source": [
|
|
"ការព្យាករណ៍ `ម៉ូដែលពហុព្រីម` គឺមានហេតុផល ដែលផ្អែកលើក្រាផ្គុំចុចរវាង `តម្លៃ` និង `កញ្ចប់`! ហើយ ប្រសិនបើនេះជាម៉ូដែលល្អជាងម៉ូដែលមុន ដែលមើលទៅលើទិន្នន័យដដែល អ្នកត្រូវតែដាក់ថវិកាសម្រាប់ផ្លែសណ្ដែកខ្ញីដូច្នេះដែលមានតម្លៃថ្លៃជាង!\n",
|
|
"\n",
|
|
"🏆 ល្អណាស់! អ្នកបានបង្កើតម៉ូដែលអនុពាក់កណ្តាលពីរក្នុងមេរៀនមួយ។ នៅផ្នែកចុងក្រោយនៃមេរៀនអនុពាក់កណ្តាល អ្នកនឹងរៀនអំពីអនុពាក់កណ្តាលឡូជ៊ីស្ទិចដើម្បីកំណត់ប្រភេទ។\n",
|
|
"\n",
|
|
"## **🚀វិញ្ញាសា**\n",
|
|
"\n",
|
|
"សាកល្បងអថេរជាច្រើនខុសៗគ្នានៅក្នុងសៀវភៅកំណត់ត្រានេះដើម្បីឃើញថាអត្តសញ្ញាណចំពោះអត្រាច្បាស់លាស់ម៉ូដែល។\n",
|
|
"\n",
|
|
"## [**វិញ្ញាសាបន្ទាប់មកបន្ទប់ម៉ោង**](https://gray-sand-07a10f403.1.azurestaticapps.net/quiz/14/)\n",
|
|
"\n",
|
|
"## **ពិនិត្យឡើងវិញ និងសិក្សាផ្ទាល់ខ្លួន**\n",
|
|
"\n",
|
|
"ក្នុងមេរៀននេះ យើងបានរៀនអំពីអនុពាក់កណ្តាលរាខ្សែ។ មានប្រភេទអនុពាក់កណ្តាលសំខាន់ផ្សេងទៀត។ សូមអានអំពីបច្ចេកទេស Stepwise, Ridge, Lasso និង Elasticnet។ មេរៀនល្អមួយសម្រាប់សិក្សាបន្ថែមគឺ [មេរៀនសិក្សាស្ថិតិ Stanford](https://online.stanford.edu/courses/sohs-ystatslearning-statistical-learning)\n",
|
|
"\n",
|
|
"បើអ្នកចង់រៀនបន្ថែមពីរបៀបប្រើបណ្ណាល័យ Tidymodels ដែលអស្ចារ្យ សូមពិនិត្យធនធានដូចខាងក្រោម៖\n",
|
|
"\n",
|
|
"- គេហទំព័រ Tidymodels: [ចាប់ផ្តើមជាមួយ Tidymodels](https://www.tidymodels.org/start/)\n",
|
|
"\n",
|
|
"- Max Kuhn និង Julia Silge, [*Tidy Modeling with R*](https://www.tmwr.org/)*.*\n",
|
|
"\n",
|
|
"###### **សូមអរគុណចំពោះ៖**\n",
|
|
"\n",
|
|
"[Allison Horst](https://twitter.com/allison_horst?lang=en) សម្រាប់ការបង្កើតរូបភាពអស្ចារ្យ ដែលធ្វើឲ្យ R មើលទៅទាក់ទាញ និងមានការចូលរួម។ អ្នកអាចរករូបភាពបន្ថែមនៅក្នុង [កន្លែងបង្ហាញរបស់នាង](https://www.google.com/url?q=https://github.com/allisonhorst/stats-illustrations&sa=D&source=editors&ust=1626380772530000&usg=AOvVaw3zcfyCizFQZpkSLzxiiQEM)។\n"
|
|
],
|
|
"metadata": {
|
|
"id": "8zOLOWqMxzk5"
|
|
}
|
|
},
|
|
{
|
|
"cell_type": "markdown",
|
|
"metadata": {},
|
|
"source": [
|
|
"---\n\n<!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**ព័ត៌មានបដិសេធ**: \nឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាកម្មបកប្រែ AI [Co-op Translator](https://github.com/Azure/co-op-translator)។ ខណៈដែលយើងខិតខំប្រឹងប្រែងសម្រាប់ភាពត្រឹមត្រូវ សូមយកចិត្តទុកដាក់ថាបកប្រែដោយស្វ័យប្រវត្តិអាចមានកំហុស ឬភាពមិនត្រឹមត្រូវបានផ្ទុកក្នុង។ ឯកសារដើមជាភាសាពុំមែនជារូបមន្តត្រឹមត្រូវបំផុត គួរត្រូវបានគេពិចារណាជាដើមកំណត់គ្រប់គ្រង។ សម្រាប់ព័ត៌មានសំខាន់ៗ ការបកប្រែដោយអ្នកជំនាញមនុស្សត្រូវបានផ្ដល់អនុសាសន៍។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកប្រែខុសឆ្គងណាមួយដែលកើតឡើងពីការប្រើប្រាស់បកប្រែនេះទេ។\n<!-- CO-OP TRANSLATOR DISCLAIMER END -->\n"
|
|
]
|
|
}
|
|
]
|
|
} |