R parsnip logistic_reg 邏輯回歸

logistic_reg() 定義了二元結果的廣義線性模型。預測變量的線性組合用於對事件的對數賠率進行建模。該函數可以擬合分類模型。

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。

• glm¹

• brulee

• gee²

• glmer²

• glmnet

• h2o²

• keras

• LiblineaR

• spark

• stan

• stan_glmer²

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

logistic_reg(
  mode = "classification",
  engine = "glm",
  penalty = NULL,
  mixture = NULL
)

參數

mode

模型類型的單個字符串。該模型唯一可能的值為"classification"。

engine

指定用於擬合的計算引擎的單個字符串。下麵列出了可能的引擎。此模型的默認值是 "glm" 。

penalty

表示正則化總量的非負數(僅限特定引擎)。對於 keras 模型，這對應於純粹的 L2 正則化(也稱為權重衰減)，而其他模型可以是 L1 和 L2 或 L1 和 L2 的組合(取決於 mixture 的值)。

mixture

0 到 1(含)之間的數字，給出模型中 L1 正則化(即 lasso)的比例。

• mixture = 1指定純套索模型，

• mixture = 0 指定嶺回歸模型，並且

• 0 < mixture < 1 指定彈性網絡模型，插值套索和嶺。

僅適用於特定發動機。對於LiblineaR 模型，mixture 必須恰好為 1 或 0。

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
logistic_reg(argument = !!value)

該模型適合二元結果的分類模型；對於多類結果，請參閱multinom_reg()。

參考

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

也可以看看

例子

show_engines("logistic_reg")
#> # A tibble: 7 × 2
#>   engine    mode          
#>   <chr>     <chr>         
#> 1 glm       classification
#> 2 glmnet    classification
#> 3 LiblineaR classification
#> 4 spark     classification
#> 5 keras     classification
#> 6 stan      classification
#> 7 brulee    classification

logistic_reg()
#> Logistic Regression Model Specification (classification)
#> 
#> Computational engine: glm 
#>