R parsnip linear_reg 线性回归

linear_reg() 定义了一个可以使用线性函数从预测变量预测数值的模型。该函数可以拟合回归模型。

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。

• lm¹

• brulee

• gee²

• glm

• glmer²

• glmnet

• gls²

• h2o²

• keras

• lme²

• lmer²

• spark

• stan

• stan_glmer²

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

linear_reg(mode = "regression", engine = "lm", penalty = NULL, mixture = NULL)

参数

mode

模型类型的单个字符串。该模型唯一可能的值为"regression"。

engine

指定用于拟合的计算引擎的单个字符串。下面列出了可能的引擎。此模型的默认值是 "lm" 。

penalty

表示正则化总量的非负数(仅限特定引擎)。

mixture

0 到 1(含)之间的数字，表示模型中 L1 正则化(即 lasso)的比例。

• mixture = 1指定纯套索模型，

• mixture = 0 指定岭回归模型，并且

• 0 < mixture < 1 指定弹性网络模型，插值套索和岭。

仅适用于特定发动机。

细节

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
linear_reg(argument = !!value)

参考

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

也可以看看

例子

show_engines("linear_reg")
#> # A tibble: 7 × 2
#>   engine mode      
#>   <chr>  <chr>     
#> 1 lm     regression
#> 2 glm    regression
#> 3 glmnet regression
#> 4 stan   regression
#> 5 spark  regression
#> 6 keras  regression
#> 7 brulee regression

linear_reg()
#> Linear Regression Model Specification (regression)
#> 
#> Computational engine: lm 
#>