这一系列 spruce_*_multiple()
函数将多结果预测转换为标准化格式。它们通常从预测实现函数中调用,以返回特定的预测type
。
参数
- ...
-
多个预测向量:
-
对于
spruce_numeric_multiple()
,大小相等的数值向量。 -
对于
spruce_class_multiple()
,"hard" 类预测的因子具有相同大小。 -
对于
spruce_prob_multiple()
,大小相等的 tibbles 是在每个预测概率矩阵上调用spruce_prob()
的结果。
如果命名了
...
,则该名称将用作结果列名称的后缀,否则将使用位置索引。 -
值
-
对于
spruce_numeric_multiple()
,以模式.pred_*
命名的数字列的小标题。 -
对于
spruce_class_multiple()
,以模式.pred_class_*
命名的因子列的小标题。 -
对于
spruce_prob_multiple()
,以模式.pred_*
命名的数据帧列的 tibble。
例子
spruce_numeric_multiple(1:3, foo = 2:4)
#> # A tibble: 3 × 2
#> .pred_1 .pred_foo
#> <int> <int>
#> 1 1 2
#> 2 2 3
#> 3 3 4
spruce_class_multiple(
one_step = factor(c("a", "b", "c")),
two_step = factor(c("a", "c", "c"))
)
#> # A tibble: 3 × 2
#> .pred_class_one_step .pred_class_two_step
#> <fct> <fct>
#> 1 a a
#> 2 b c
#> 3 c c
one_step <- matrix(c(.3, .7, .0, .1, .3, .6), nrow = 2, byrow = TRUE)
two_step <- matrix(c(.2, .7, .1, .2, .4, .4), nrow = 2, byrow = TRUE)
binary <- matrix(c(.5, .5, .4, .6), nrow = 2, byrow = TRUE)
spruce_prob_multiple(
one_step = spruce_prob(c("a", "b", "c"), one_step),
two_step = spruce_prob(c("a", "b", "c"), two_step),
binary = spruce_prob(c("yes", "no"), binary)
)
#> # A tibble: 2 × 3
#> .pred_one_step$.pred_a .pred_two_step$.pred_a .pred_binary$.pred_yes
#> <dbl> <dbl> <dbl>
#> 1 0.3 0.2 0.5
#> 2 0.1 0.2 0.4
#> # ℹ 5 more variables: .pred_one_step$.pred_b <dbl>, $.pred_c <dbl>,
#> # .pred_two_step$.pred_b <dbl>, $.pred_c <dbl>,
#> # .pred_binary$.pred_no <dbl>
相关用法
- R hardhat standardize 标准化结果
- R hardhat shrink 仅对所需列进行子集化
- R hardhat scream ? 尖叫。
- 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 get_levels 从 DataFrame 中提取因子水平
- 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 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 get_data_classes 从 DataFrame 或矩阵中提取数据类
- 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 validate_outcomes_are_numeric 确保结果都是数字
- R hardhat frequency_weights 频率权重
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 Spruce up multi-outcome predictions。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。