R parsnip gen_additive_mod 廣義加性模型 (GAM)

gen_additive_mod() 定義了一個可以在廣義線性模型中使用數值預測變量的平滑函數的模型。該函數可以擬合分類和回歸模型。

擬合該模型的方法有多種，通過設置模型引擎來選擇估計方法。下麵列出了該模型的引擎特定頁麵。

• mgcv¹

有關如何操作的更多信息防風草用於建模的是https://www.tidymodels.org/.

用法

gen_additive_mod(
  mode = "unknown",
  select_features = NULL,
  adjust_deg_free = NULL,
  engine = "mgcv"
)

參數

mode

預測結果模式的單個字符串。此模型的可能值為"unknown"、"regression" 或"classification"。

select_features

TRUE 或 FALSE. 如果是 TRUE ，則模型有能力消除預測變量(通過懲罰)。增加 adjust_deg_free 將增加刪除預測變量的可能性。

adjust_deg_free

如果是 select_features = TRUE ，則充當平滑度的乘數。將此值增加到 1 以上以生成更平滑的模型。

engine

指定用於擬合的計算引擎的單個字符串。

細節

此函數僅定義正在擬合的模型類型。一旦指定了引擎，也就定義了擬合模型的方法。有關設置引擎的更多信息，包括如何設置引擎參數，請參閱set_engine()。

在 fit() 函數與數據一起使用之前，模型不會經過訓練或擬合。

此函數中除 mode 和 engine 之外的每個參數都被捕獲為 quosures 。要以編程方式傳遞值，請使用injection operator，如下所示：

value <- 1
gen_additive_mod(argument = !!value)

參考

https://www.tidymodels.org, Tidy Modeling with R, searchable table of parsnip models

也可以看看

例子

show_engines("gen_additive_mod")
#> # A tibble: 2 × 2
#>   engine mode          
#>   <chr>  <chr>         
#> 1 mgcv   regression    
#> 2 mgcv   classification

gen_additive_mod()
#> GAM Model Specification (unknown mode)
#> 
#> Computational engine: mgcv 
#>