R parsnip logistic_reg 逻辑回归

logistic_reg() 定义了二元结果的广义线性模型。预测变量的线性组合用于对事件的对数赔率进行建模。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。

• glm¹

• brulee

• gee²

• glmer²

• glmnet

• h2o²

• keras

• LiblineaR

• 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

logistic_reg(
  mode = "classification",
  engine = "glm",
  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"classification"。

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 "glm" 。

penalty

表示正则化总量的非负数(仅限特定引擎)。对于 keras 模型，这对应于纯粹的 L2 正则化(也称为权重衰减)，而其他模型可以是 L1 和 L2 或 L1 和 L2 的组合(取决于 mixture 的值)。

mixture

0 到 1(含)之间的数字，给出模型中 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。对于LiblineaR 模型，mixture 必须恰好为 1 或 0。

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
logistic_reg(argument = !!value)

该模型适合二元结果的分类模型；对于多类结果，请参阅multinom_reg()。

参考

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

也可以看看

例子

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

logistic_reg()
#> Logistic Regression Model Specification (classification)
#> 
#> Computational engine: glm 
#>