此函數創建一個鍵,將用戶用於調整參數名稱的標識符、標準化防風草參數名稱和參數名稱連接到引擎的底層擬合函數。
例子
mod <-
linear_reg(penalty = tune("regularization"), mixture = tune()) %>%
set_engine("glmnet")
mod %>% .model_param_name_key()
#> # A tibble: 2 × 3
#> user parsnip engine
#> <chr> <chr> <chr>
#> 1 regularization penalty lambda
#> 2 mixture mixture alpha
rn <- mod %>% .model_param_name_key(as_tibble = FALSE)
rn
#> $user_to_parsnip
#> penalty mixture
#> "regularization" "mixture"
#>
#> $parsnip_to_engine
#> lambda alpha
#> "penalty" "mixture"
#>
grid <- tidyr::crossing(regularization = c(0, 1), mixture = (0:3) / 3)
grid %>%
dplyr::rename(!!!rn$user_to_parsnip)
#> # A tibble: 8 × 2
#> penalty mixture
#> <dbl> <dbl>
#> 1 0 0
#> 2 0 0.333
#> 3 0 0.667
#> 4 0 1
#> 5 1 0
#> 6 1 0.333
#> 7 1 0.667
#> 8 1 1
grid %>%
dplyr::rename(!!!rn$user_to_parsnip) %>%
dplyr::rename(!!!rn$parsnip_to_engine)
#> # A tibble: 8 × 2
#> lambda alpha
#> <dbl> <dbl>
#> 1 0 0
#> 2 0 0.333
#> 3 0 0.667
#> 4 0 1
#> 5 1 0
#> 6 1 0.333
#> 7 1 0.667
#> 8 1 1
相關用法
- R parsnip decision_tree 決策樹
- R parsnip logistic_reg 邏輯回歸
- R parsnip predict.model_fit 模型預測
- R parsnip linear_reg 線性回歸
- R parsnip C5_rules C5.0 基於規則的分類模型
- R parsnip set_engine 聲明計算引擎和特定參數
- R parsnip condense_control 將控製對象壓縮為更小的控製對象
- R parsnip control_parsnip 控製擬合函數
- R parsnip augment 通過預測增強數據
- R parsnip repair_call 修複模型調用對象
- R parsnip glm_grouped 將數據集中的分組二項式結果與個案權重擬合
- R parsnip rule_fit 規則擬合模型
- R parsnip svm_rbf 徑向基函數支持向量機
- R parsnip set_args 更改模型規範的元素
- R parsnip translate 解決計算引擎的模型規範
- R parsnip max_mtry_formula 根據公式確定 mtry 的最大值。此函數可能會根據公式和數據集限製 mtry 的值。對於生存和/或多變量模型來說,這是一種安全的方法。
- R parsnip svm_linear 線性支持向量機
- R parsnip set_new_model 注冊模型的工具
- R parsnip rand_forest 隨機森林
- R parsnip mlp 單層神經網絡
- R parsnip nearest_neighbor K-最近鄰
- R parsnip parsnip_update 更新型號規格
- R parsnip fit 將模型規範擬合到數據集
- R parsnip boost_tree 增強樹
- R parsnip bart 貝葉斯加性回歸樹 (BART)
注:本文由純淨天空篩選整理自Max Kuhn等大神的英文原創作品 Translate names of model tuning parameters。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。