R parsnip C5_rules C5.0 基于规则的分类模型

C5_rules() 定义了一个模型，该模型从树中导出特征规则以进行预测。可以使用单棵树或增强型集成。该函数可以拟合分类模型。

拟合该模型的方法有多种，通过设置模型引擎来选择估计方法。下面列出了该模型的引擎特定页面。

• C5.0¹²

有关如何操作的更多信息防风草用于建模的是https://www.tidymodels.org/.

用法

C5_rules(mode = "classification", trees = NULL, min_n = NULL, engine = "C5.0")

参数

mode

模型类型的单个字符串。该模型唯一可能的值为"classification"。

trees

集合成员数量的非负整数(不大于 100)。

min_n

一个介于 0 到 9 之间的整数，表示节点中进一步拆分节点所需的最小数据点数量。

engine

指定用于拟合的计算引擎的单个字符串。

细节

C5.0 是一个分类模型，是 Quinlan (1993) 的 C4.5 模型的扩展。它具有基于树和规则的版本，还包括增强函数。 C5_rules() 启用使用一系列规则的模型版本(请参阅下面的示例)。为了制定一组规则，创建了初始 C5.0 树并将其展平为规则。规则被修剪、简化和排序。规则集是在每次提升迭代中创建的。

此函数仅定义正在拟合的模型类型。一旦指定了引擎，也就定义了拟合模型的方法。有关设置引擎的更多信息，包括如何设置引擎参数，请参阅set_engine()。

在 fit() 函数与数据一起使用之前，模型不会经过训练或拟合。

此函数中除 mode 和 engine 之外的每个参数都被捕获为 quosures 。要以编程方式传递值，请使用injection operator，如下所示：

value <- 1
C5_rules(argument = !!value)

参考

昆兰·R (1993)。 C4.5：机器学习程序。摩根考夫曼出版社。

https://www.tidymodels.org, Tidy Modeling with R, searchable table of parsnip models

也可以看看

例子

show_engines("C5_rules")
#> # A tibble: 0 × 2
#> # ℹ 2 variables: engine <chr>, mode <chr>

C5_rules()
#> ! parsnip could not locate an implementation for `C5_rules` model
#>   specifications.
#> ℹ The parsnip extension package rules implements support for this
#>   specification.
#> ℹ Please install (if needed) and load to continue.
#> C5.0 Model Specification (classification)
#> 
#> Computational engine: C5.0 
#>