R parsnip multinom_reg 多項式回歸

multinom_reg() 定義了一個模型，該模型使用線性預測器通過多項分布來預測多類數據。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。

• nnet¹

• brulee

• glmnet

• h2o²

• keras

• spark

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

multinom_reg(
  mode = "classification",
  engine = "nnet",
  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 "nnet" 。

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 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。

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
multinom_reg(argument = !!value)

該模型適合多類結果的分類模型；對於二進製結果，請參閱logistic_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("multinom_reg")
#> # A tibble: 5 × 2
#>   engine mode          
#>   <chr>  <chr>         
#> 1 glmnet classification
#> 2 spark  classification
#> 3 keras  classification
#> 4 nnet   classification
#> 5 brulee classification

multinom_reg()
#> Multinomial Regression Model Specification (classification)
#> 
#> Computational engine: nnet 
#>