从模型进行预测时，new_data 与用于拟合模型的原始数据具有相同的类通常很重要。 get_data_classes() 从原始训练数据中提取类。
例子
get_data_classes(iris)
#> $Sepal.Length
#> [1] "numeric"
#>
#> $Sepal.Width
#> [1] "numeric"
#>
#> $Petal.Length
#> [1] "numeric"
#>
#> $Petal.Width
#> [1] "numeric"
#>
#> $Species
#> [1] "factor"
#>
get_data_classes(as.matrix(mtcars))
#> $mpg
#> [1] "numeric"
#>
#> $cyl
#> [1] "numeric"
#>
#> $disp
#> [1] "numeric"
#>
#> $hp
#> [1] "numeric"
#>
#> $drat
#> [1] "numeric"
#>
#> $wt
#> [1] "numeric"
#>
#> $qsec
#> [1] "numeric"
#>
#> $vs
#> [1] "numeric"
#>
#> $am
#> [1] "numeric"
#>
#> $gear
#> [1] "numeric"
#>
#> $carb
#> [1] "numeric"
#>
# Unlike .MFclass(), the full class
# vector is returned
data <- data.frame(col = ordered(c("a", "b")))
.MFclass(data$col)
#> [1] "ordered"
get_data_classes(data)
#> $col
#> [1] "ordered" "factor"
#>
相关用法
- R hardhat get_levels 从 DataFrame 中提取因子水平
- R hardhat validate_prediction_size 确保预测具有正确的行数
- R hardhat default_recipe_blueprint 默认配方蓝图
- R hardhat is_blueprint x 是预处理蓝图吗？
- R hardhat validate_column_names 确保数据包含所需的列名
- R hardhat default_formula_blueprint 默认公式蓝图
- R hardhat update_blueprint 更新预处理蓝图
- R hardhat weighted_table 加权表
- R hardhat validate_outcomes_are_univariate 确保结果是单变量
- R hardhat add_intercept_column 向数据添加截距列
- R hardhat is_frequency_weights x 是频率权重向量吗？
- R hardhat model_offset 提取模型偏移
- R hardhat standardize 标准化结果
- R hardhat model_matrix 构建设计矩阵
- R hardhat is_importance_weights x 是重要性权重向量吗？
- R hardhat run-mold 根据蓝图 Mold()
- R hardhat fct_encode_one_hot 将一个因子编码为 one-hot 指标矩阵
- R hardhat new_frequency_weights 构建频率权重向量
- R hardhat validate_no_formula_duplication 确保公式中不出现重复项
- R hardhat default_xy_blueprint 默认 XY 蓝图
- R hardhat shrink 仅对所需列进行子集化
- R hardhat validate_outcomes_are_numeric 确保结果都是数字
- R hardhat scream ? 尖叫。
- R hardhat frequency_weights 频率权重
- R hardhat refresh_blueprint 刷新预处理蓝图
注：本文由纯净天空筛选整理自Davis Vaughan等大神的英文原创作品 Extract data classes from a data frame or matrix。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。