验证 - 断言以下内容:
-
outcomes
必须有因子列。
检查 - 返回以下内容:
-
ok
逻辑。检查通过吗? -
bad_classes
命名列表。名称是有问题的列的名称,值是匹配列的类。
值
validate_outcomes_are_factors()
以不可见方式返回outcomes
。
check_outcomes_are_factors()
返回两个组件的命名列表: ok
和 bad_classes
。
细节
使用此验证函数的预期方法是向其提供 mold()
调用结果的 $outcomes
元素。
验证
Hardhat 提供两个级别的验证函数。
-
check_*()
:检查条件,并返回列表。该列表始终包含至少一个元素ok
,这是一个指定检查是否通过的逻辑。每个检查还在返回的列表中检查特定元素,可用于构造有意义的错误消息。 -
validate_*()
:检查条件,如果不通过则出错。这些函数调用相应的检查函数,然后提供默认的错误消息。如果您作为开发人员想要不同的错误消息,请自行调用check_*()
函数,并提供您自己的验证函数。
相关用法
- R hardhat validate_outcomes_are_univariate 确保结果是单变量
- R hardhat validate_outcomes_are_numeric 确保结果都是数字
- R hardhat validate_outcomes_are_binary 确保结果具有二元因子
- R hardhat validate_prediction_size 确保预测具有正确的行数
- R hardhat validate_column_names 确保数据包含所需的列名
- R hardhat validate_no_formula_duplication 确保公式中不出现重复项
- R hardhat validate_predictors_are_numeric 确保预测变量都是数字
- 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 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 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 standardize 标准化结果
- 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 default_xy_blueprint 默认 XY 蓝图
- R hardhat shrink 仅对所需列进行子集化
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 Ensure that the outcome has only factor columns。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。