R parsnip rule_fit 规则拟合模型

rule_fit() 定义了一个模型，该模型从树集成中派生简单的特征规则，并将它们用作正则化模型中的特征。该函数可以拟合分类和回归模型。

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。

• xrf¹²

• h2o²

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

rule_fit(
  mode = "unknown",
  mtry = NULL,
  trees = NULL,
  min_n = NULL,
  tree_depth = NULL,
  learn_rate = NULL,
  loss_reduction = NULL,
  sample_size = NULL,
  stop_iter = NULL,
  penalty = NULL,
  engine = "xrf"
)

参数

mode

预测结果模式的单个字符串。此模型的可能值为"unknown"、"regression" 或"classification"。

mtry

创建树模型时将在每次分割时随机采样的预测变量的数量(或比例)的数字(仅限特定引擎)

trees

集合中包含的树数的整数。

min_n

节点中进一步拆分节点所需的最小数据点数量的整数。

tree_depth

树的最大深度的整数(即分割数)(仅限特定引擎)。

learn_rate

提升算法从迭代到迭代的适应速率的数字(仅限特定引擎)。这有时称为收缩参数。

loss_reduction

进一步分割所需的损失函数减少的数字(仅限特定引擎)。

sample_size

一个数字，表示暴露给拟合例程的数据数量(或比例)。对于 xgboost ，在每次迭代时进行采样，而 C5.0 在训练期间采样一次。

stop_iter

停止前没有改进的迭代次数(仅限特定引擎)。

penalty

L1 正则化参数。

engine

指定用于拟合的计算引擎的单个字符串。

细节

RuleFit 模型分两个阶段创建规则回归模型。第一阶段使用基于树的模型，用于生成一组可以过滤、修改和简化的规则。然后将这些规则作为预测器添加到正则化广义线性模型中，该模型也可以在模型训练期间进行特征选择。

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
rule_fit(argument = !!value)

参考

Friedman, J. H. 和 Popescu, B. E. (2008)。 “通过规则集合进行预测学习。”应用统计年鉴，2(3), 916-954。

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

也可以看看

例子

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

rule_fit()
#> ! parsnip could not locate an implementation for `rule_fit` model
#>   specifications.
#> ℹ The parsnip extension packages agua and rules implement support for
#>   this specification.
#> ℹ Please install (if needed) and load to continue.
#> RuleFit Model Specification (unknown mode)
#> 
#> Computational engine: xrf 
#>