translate()
会将模型规范转换为特定于特定引擎(例如 R 包)的代码对象。它将通用参数转换为其对应参数。
参数
- x
-
型号规格。
- ...
-
目前未使用。
- engine
-
模型的计算引擎(请参阅
?set_engine
)。
细节
translate()
生成缺少特定参数值的模板调用(例如 data
等)。一旦使用模型数据的细节调用fit()
,就会填充这些内容。如果规范中包含tune()
参数,则调用还可以包含这些参数。要处理 tune()
参数,您需要使用 tune package 。欲了解更多信息,请参阅https://www.tidymodels.org/start/tuning/
它确实包含特定于模型拟合函数/引擎的解析参数名称。
当您需要了解 parsnip
如何从特定于模型拟合函数的通用模型转变时,此函数会很有用。
注意:此函数在内部使用,用户只能使用它来了解底层语法是什么。它不应该被用来修改模型规格。
例子
lm_spec <- linear_reg(penalty = 0.01)
# `penalty` is tranlsated to `lambda`
translate(lm_spec, engine = "glmnet")
#> Linear Regression Model Specification (regression)
#>
#> Main Arguments:
#> penalty = 0.01
#>
#> Computational engine: glmnet
#>
#> Model fit template:
#> glmnet::glmnet(x = missing_arg(), y = missing_arg(), weights = missing_arg(),
#> family = "gaussian")
# `penalty` not applicable for this model.
translate(lm_spec, engine = "lm")
#> Linear Regression Model Specification (regression)
#>
#> Main Arguments:
#> penalty = 0.01
#>
#> Computational engine: lm
#>
#> Model fit template:
#> stats::lm(formula = missing_arg(), data = missing_arg(), weights = missing_arg())
# `penalty` is tranlsated to `reg_param`
translate(lm_spec, engine = "spark")
#> Linear Regression Model Specification (regression)
#>
#> Main Arguments:
#> penalty = 0.01
#>
#> Computational engine: spark
#>
#> Model fit template:
#> sparklyr::ml_linear_regression(x = missing_arg(), formula = missing_arg(),
#> weights = missing_arg(), reg_param = 0.01)
# with a placeholder for an unknown argument value:
translate(linear_reg(penalty = tune(), mixture = tune()), engine = "glmnet")
#> Linear Regression Model Specification (regression)
#>
#> Main Arguments:
#> penalty = tune()
#> mixture = tune()
#>
#> Computational engine: glmnet
#>
#> Model fit template:
#> glmnet::glmnet(x = missing_arg(), y = missing_arg(), weights = missing_arg(),
#> alpha = tune(), family = "gaussian")
相关用法
- R parsnip logistic_reg 逻辑回归
- R parsnip predict.model_fit 模型预测
- R parsnip linear_reg 线性回归
- R parsnip C5_rules C5.0 基于规则的分类模型
- R parsnip set_engine 声明计算引擎和特定参数
- R parsnip condense_control 将控制对象压缩为更小的控制对象
- R parsnip control_parsnip 控制拟合函数
- R parsnip augment 通过预测增强数据
- R parsnip repair_call 修复模型调用对象
- R parsnip dot-model_param_name_key 翻译模型调整参数的名称
- R parsnip glm_grouped 将数据集中的分组二项式结果与个案权重拟合
- R parsnip rule_fit 规则拟合模型
- R parsnip svm_rbf 径向基函数支持向量机
- R parsnip set_args 更改模型规范的元素
- R parsnip max_mtry_formula 根据公式确定 mtry 的最大值。此函数可能会根据公式和数据集限制 mtry 的值。对于生存和/或多变量模型来说,这是一种安全的方法。
- R parsnip svm_linear 线性支持向量机
- R parsnip set_new_model 注册模型的工具
- R parsnip rand_forest 随机森林
- R parsnip mlp 单层神经网络
- R parsnip nearest_neighbor K-最近邻
- R parsnip parsnip_update 更新型号规格
- R parsnip fit 将模型规范拟合到数据集
- R parsnip boost_tree 增强树
- R parsnip bart 贝叶斯加性回归树 (BART)
- R parsnip add_rowindex 将一列行号添加到 DataFrame
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 Resolve a Model Specification for a Computational Engine。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。