tidymodels.qmd

---
title: "Automatisation d'un plan d'expérience numérique avec tidymodels"
format: 
  html:
    theme: journal
    toc: true
    df-print: paged
editor: visual
---

# Problématique

On cherche à établir un bon modèle pour predire les variétés de maïs à partir de certaines de leurs caractéristiques.

```{r}
#| label: donnees_mais
donnees_mais <- read.table("donnees_mais.txt", 
                           sep = ";", 
                           header = TRUE,
                           colClasses = c(Variete = "factor"),
                           encoding = "UTF-8")
donnees_mais
```

L'objectif est d'établir un bon modèle de prédiction avec un pipeline reproductible pour un éventuel futur modèle concurrent.

On utilisera le metapackage `tidymodels`.

```{r}
#| label: liste_packages
#| warning: false
#| message: false

library(tidyverse) # Pour la manipulation de données
library(tidymodels) # Pour la mise en place d'un pipeline de ML
```

# Préparation des données

La première chose à faire est de déterminer un *pipe-line* de prétraitement des données.
Les différentes actions possibles sont précédées du préfixe `step_`.
Ici, on se contente d'une "normalisation" des données quantitatives (*i.e.*, on centre et on divise par l'écart type).

```{r}
#| label: data_preparation_procedure
data_preparation_procedure <- recipe(formula = Variete ~ ., 
                                     data = donnees_mais) %>% 
  # step_normalize indique qu'il faut normaliser
  step_normalize(all_numeric_predictors()) # all_numeric_predictors() 
# indique quelles variables sont à normaliser
```

Cette procédure de préparation est en fait une suite d'instruction. Elle est associée à un jeu de données 
précis car:

- Celui-ci indique les types des variables impliquées;
- Celui-

```{r}
#| label: classification_method
classification_method <- parsnip::rand_forest(engine = "randomForest",
                                              mode = "classification")
```

```{r}
#| label: classification_workflow

classification_workflow <- workflow(preprocessor = data_preparation_procedure,
                                    spec = classification_method) 
```

```{r}
#| label: classification_fit

classification_fit <- fit(object = classification_workflow,
                          data = donnees_mais) 
```



```{r}
classification_method <- parsnip::rand_forest(engine = "randomForest",
                                              mode = "classification",
                                              mtry = tune(),
                                              trees = tune(),
                                              min_n = tune())
classification_folds <- vfold_cv(donnees_mais, v = 3, repeats = 1) 
hyperparams_grid <- expand.grid(mtry = 2:5,
                                trees = c(500, 2000),
                                min_n = c(2, 10, 20)) %>% 
  as_tibble()
classification_workflow <- workflow(preprocessor = data_preparation_procedure,
                                    spec = classification_method) %>% 
  tune_grid(resamples = classification_folds,
            grid = hyperparams_grid)

classification_fit <- fit(object = classification_workflow,
                          data = donnees_mais) 
```


```{r}
extract_fit_parsnip(classification_fit)
```