R parsnip set_engine 声明计算引擎和特定参数

set_engine() 用于指定将使用哪个包或系统来拟合模型，以及特定于该软件的任何参数。

用法

set_engine(object, engine, ...)

参数

object: 型号规格。
engine: 用于拟合模型的软件字符串。这高度依赖于模型的类型(例如线性回归、随机森林等)。
...: 与所选计算引擎相关的任何可选参数。这些被捕获为 quosures，并且可以使用 tune() 进行调整。

值

更新的模型规格。

细节

在防风草中，

模型类型区分基本建模方法，例如随机森林、逻辑回归、线性支持向量机等，
模式表示将在哪种建模环境中使用(最常见的是分类或回归)，以及
计算引擎指示模型如何拟合，例如特定的 R 包实现，甚至是 R 之外的方法(如 Keras 或 Stan)。

使用 show_engines() 获取感兴趣模型的可能引擎列表。

防风草中的建模函数将模型参数分为两类：

主要论点更常用，并且往往可以跨引擎使用。这些名称经过标准化处理，可以以一致的方式与不同的引擎配合使用，因此您可以使用防风草主要论点trees，而不是来自该参数的异构参数护林员和随机森林包(num.trees和ntree，分别)。在模型类型函数中设置这些，例如rand_forest(trees = 2000).
引擎参数或者特定于特定引擎，或者很少使用；底层引擎中的这些参数名称没有变化。 set_engine() 的 ... 参数允许将任何特定于引擎的参数直接传递给引擎拟合函数，例如 set_engine("ranger", importance = "permutation") 。

例子

# First, set main arguments using the standardized names
logistic_reg(penalty = 0.01, mixture = 1/3) %>%
  # Now specify how you want to fit the model with another argument
  set_engine("glmnet", nlambda = 10) %>%
  translate()
#> Logistic Regression Model Specification (classification)
#> 
#> Main Arguments:
#>   penalty = 0.01
#>   mixture = 1/3
#> 
#> Engine-Specific Arguments:
#>   nlambda = 10
#> 
#> Computational engine: glmnet 
#> 
#> Model fit template:
#> glmnet::glmnet(x = missing_arg(), y = missing_arg(), weights = missing_arg(), 
#>     alpha = 1/3, nlambda = 10, family = "binomial")

# Many models have possible engine-specific arguments
decision_tree(tree_depth = 5) %>%
  set_engine("rpart", parms = list(prior = c(.65,.35))) %>%
  set_mode("classification") %>%
  translate()
#> Decision Tree Model Specification (classification)
#> 
#> Main Arguments:
#>   tree_depth = 5
#> 
#> Engine-Specific Arguments:
#>   parms = list(prior = c(0.65, 0.35))
#> 
#> Computational engine: rpart 
#> 
#> Model fit template:
#> rpart::rpart(formula = missing_arg(), data = missing_arg(), weights = missing_arg(), 
#>     maxdepth = 5, parms = list(prior = c(0.65, 0.35)))

源代码：R/engines.R

相关用法

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 Declare a computational engine and specific arguments。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。