R语言中进行多模型机器学习要怎么做？速来学习吧~

最近有小伙伴反映收不到推送，因为公众号改了推送算法，现在需要加星标，多点赞、点在看，才能准时收到推送哦。

导语：多模型机器学习并非指一个单一的技巧，而是一套工作流程：你同时训练多个不同类型的模型（如随机森林、支持向量机、梯度提升树等），然后通过交叉验证等方法客观地评估它们的性能，最终选择表现最好的模型，或甚至将多个模型组合起来（集成学习）以获得更好的性能。

北京墨因生物已经与国内50+知名医院的老师或名牌大学实验室合作（协和、哈工大、同济、哈医大等）。欢迎有生信分析需求的老师垂询，公共数据库数据挖掘或自测数据分析均可。

欢迎长期合作

联系请扫描下方二维码

结果解析

计算流程

现代R语言进行机器学习，强烈推荐使用 tidymodels 元包。它是一套集成的、语法统一的包集合，其设计理念与著名的 tidyverse 一致，非常注重代码的清晰度和可读性。

install.packages("tidymodels") # 这会安装一系列核心包# 可能还需要安装一些特定的引擎包install.packages("ranger")     # 随机森林引擎install.packages("glmnet")     # 正则化回归引擎install.packages("kernlab")    # SVM引擎install.packages("xgboost")    # XGBoost引擎

第1步：加载必要的库并准备数据library(tidymodels) # 加载核心tidymodels包library(ranger)     # 用于随机森林library(kernlab)    # 用于SVM


    

# 使用内置数据集data(iris)# 查看数据结构和类别分布glimpse(iris)table(iris$Species)
# 设置随机种子以保证结果可重现set.seed(123)

第2步：数据拆分# 初始数据拆分iris_split iris_train iris_test 
# 使用 strata 参数进行分层抽样，确保训练集和测试集中各类别的比例与原数据集一致，对于不平衡数据尤其重要。

第3步：数据预处理（配方，Recipe）iris_recipe recipe(Species ~ ., data = iris_train) %>%  step_normalize(all_numeric_predictors()) # 对所有数值型预测变量进行标准化（均值为0，标准差为1）# 还可以添加其他步骤，例如：# step_dummy(all_nominal_predictors()) # 为分类变量创建虚拟变量# step_impute_knn(all_predictors())    # 用KNN插补缺失值
# 查看预处理后的数据iris_recipe_preped prep(iris_recipe) # 根据训练集估算参数bake(iris_recipe_preped, new_data = NULL) # 应用预处理并查看训练集数据

第4步：定义多个模型# 1. 随机森林模型rf_model   mtry = tune(),      # 超参数mtry（每次分割时随机抽取的预测变量数）需要调优  trees = 500,        # 树的数量，通常设为较大的固定值  min_n = tune()      # 超参数min_n（节点所需最小数据点）需要调优) %>%  set_engine("ranger", importance = "impurity") %>% # 使用ranger引擎，并计算变量重要性  set_mode("classification") # 设置为分类模式
# 2. 支持向量机（径向基核函数）svm_model   cost = tune(),      # 调优：惩罚参数C  rbf_sigma = tune()  # 调优：核函数参数sigma) %>%  set_engine("kernlab") %>%  set_mode("classification")
# 3. K近邻模型knn_model   neighbors = tune()  # 调优：近邻数K) %>%  set_engine("kknn") %>%  set_mode("classification")

第5步：创建工作流（Workflow）rf_workflow %  add_recipe(iris_recipe) %>%  add_model(rf_model)
svm_workflow %  add_recipe(iris_recipe) %>%  add_model(svm_model)
knn_workflow %  add_recipe(iris_recipe) %>%  add_model(knn_model)

第6步：超参数调优（Tuning）# 创建交叉验证重采样集iris_folds 5) # 5折交叉验证
# 为每个模型定义需要调优的参数范围rf_params %  update(mtry = mtry(range = c(1L, 4L))) # mtry在1到4之间调优（因为共有4个特征）
svm_params knn_params 
# 使用网格搜索进行调优# 注意：贝叶斯优化（tune_bayes()）通常更高效，这里使用网格搜索作为演示rf_tuned %  tune_grid(    resamples = iris_folds,    grid = 10, # 尝试10种不同的超参数组合    metrics = metric_set(accuracy, roc_auc) # 评估指标：准确率和AUC  )
svm_tuned %  tune_grid(    resamples = iris_folds,    grid = 10,    metrics = metric_set(accuracy, roc_auc)  )
knn_tuned %  tune_grid(    resamples = iris_folds,    grid = 10,    metrics = metric_set(accuracy, roc_auc)  )

第7步：评估和比较模型# 显示性能最好的模型配置show_best(rf_tuned, metric = "accuracy")show_best(svm_tuned, metric = "accuracy")show_best(knn_tuned, metric = "accuracy")
# 选择最佳参数配置rf_best "accuracy")svm_best "accuracy")knn_best "accuracy")
# 将最佳参数最终化到工作流中rf_final_workflow % finalize_workflow(rf_best)


    
svm_final_workflow % finalize_workflow(svm_best)knn_final_workflow % finalize_workflow(knn_best)

第8步：在测试集上进行最终评估# 在测试集上评估最终模型rf_final_fit % last_fit(iris_split)svm_final_fit % last_fit(iris_split)knn_final_fit % last_fit(iris_split)
# 收集评估指标collect_metrics(rf_final_fit)collect_metrics(svm_final_fit)collect_metrics(knn_final_fit)
# 比较三个模型在测试集上的准确率rf_accuracy % filter(.metric == "accuracy") %>% pull(.estimate)svm_accuracy % filter(.metric == "accuracy") %>% pull(.estimate)knn_accuracy % filter(.metric == "accuracy") %>% pull(.estimate)
cat(sprintf("随机森林测试集准确率: %.3f\n", rf_accuracy))cat(sprintf("支持向量机测试集准确率: %.3f\n", svm_accuracy))cat(sprintf("K近邻测试集准确率: %.3f\n", knn_accuracy))

第9步：拟合最终模型并用于预测# 选择最佳模型（这里假设随机森林最好）best_model_fit % fit(iris) # 这次使用全部原始数据拟合
# 对新数据进行预测new_flowers   Sepal.Length = c(5.1, 6.7),  Sepal.Width = c(3.5, 3.0),  Petal.Length = c(1.4, 5.2),  Petal.Width = c(0.2, 2.3))
predict(best_model_fit, new_data = new_flowers, type = "class")predict(best_model_fit, new_data = new_flowers, type = "prob")