此函数创建一个键,将用户用于调整参数名称的标识符、标准化防风草参数名称和参数名称连接到引擎的底层拟合函数。
例子
mod <-
linear_reg(penalty = tune("regularization"), mixture = tune()) %>%
set_engine("glmnet")
mod %>% .model_param_name_key()
#> # A tibble: 2 × 3
#> user parsnip engine
#> <chr> <chr> <chr>
#> 1 regularization penalty lambda
#> 2 mixture mixture alpha
rn <- mod %>% .model_param_name_key(as_tibble = FALSE)
rn
#> $user_to_parsnip
#> penalty mixture
#> "regularization" "mixture"
#>
#> $parsnip_to_engine
#> lambda alpha
#> "penalty" "mixture"
#>
grid <- tidyr::crossing(regularization = c(0, 1), mixture = (0:3) / 3)
grid %>%
dplyr::rename(!!!rn$user_to_parsnip)
#> # A tibble: 8 × 2
#> penalty mixture
#> <dbl> <dbl>
#> 1 0 0
#> 2 0 0.333
#> 3 0 0.667
#> 4 0 1
#> 5 1 0
#> 6 1 0.333
#> 7 1 0.667
#> 8 1 1
grid %>%
dplyr::rename(!!!rn$user_to_parsnip) %>%
dplyr::rename(!!!rn$parsnip_to_engine)
#> # A tibble: 8 × 2
#> lambda alpha
#> <dbl> <dbl>
#> 1 0 0
#> 2 0 0.333
#> 3 0 0.667
#> 4 0 1
#> 5 1 0
#> 6 1 0.333
#> 7 1 0.667
#> 8 1 1
相关用法
- R parsnip decision_tree 决策树
- R parsnip logistic_reg 逻辑回归
- R parsnip predict.model_fit 模型预测
- R parsnip linear_reg 线性回归
- R parsnip C5_rules C5.0 基于规则的分类模型
- R parsnip set_engine 声明计算引擎和特定参数
- R parsnip condense_control 将控制对象压缩为更小的控制对象
- R parsnip control_parsnip 控制拟合函数
- R parsnip augment 通过预测增强数据
- R parsnip repair_call 修复模型调用对象
- R parsnip glm_grouped 将数据集中的分组二项式结果与个案权重拟合
- R parsnip rule_fit 规则拟合模型
- R parsnip svm_rbf 径向基函数支持向量机
- R parsnip set_args 更改模型规范的元素
- R parsnip translate 解决计算引擎的模型规范
- R parsnip max_mtry_formula 根据公式确定 mtry 的最大值。此函数可能会根据公式和数据集限制 mtry 的值。对于生存和/或多变量模型来说,这是一种安全的方法。
- R parsnip svm_linear 线性支持向量机
- R parsnip set_new_model 注册模型的工具
- R parsnip rand_forest 随机森林
- R parsnip mlp 单层神经网络
- R parsnip nearest_neighbor K-最近邻
- R parsnip parsnip_update 更新型号规格
- R parsnip fit 将模型规范拟合到数据集
- R parsnip boost_tree 增强树
- R parsnip bart 贝叶斯加性回归树 (BART)
注:本文由纯净天空筛选整理自Max Kuhn等大神的英文原创作品 Translate names of model tuning parameters。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。