模型是標量對象,如 Advanced R 中分類。因此,它采用 ...
中唯一命名的元素,並將它們組合到具有 class
類的列表中。整個對象代表一個模型。
參數
- ...
-
Name-value 對特定於
class
定義的模型的元素。 - blueprint
-
從調用
mold()
返回的預處理blueprint
。 - class
-
表示模型類別的特征向量。
細節
因為每個模型都應該有多個接口,包括公式和recipes
接口,所以所有模型都應該有一個blueprint
,可以在調用predict()
時處理新數據。生成包含預測時所需的所有信息的藍圖的最簡單方法是使用從調用 mold()
返回的藍圖。
相關用法
- R hardhat new_frequency_weights 構建頻率權重向量
- R hardhat new_case_weights 延長箱子重量
- R hardhat new_importance_weights 構建重要性權重向量
- R hardhat validate_prediction_size 確保預測具有正確的行數
- R hardhat default_recipe_blueprint 默認配方藍圖
- R hardhat is_blueprint x 是預處理藍圖嗎?
- R hardhat validate_column_names 確保數據包含所需的列名
- R hardhat default_formula_blueprint 默認公式藍圖
- R hardhat update_blueprint 更新預處理藍圖
- R hardhat weighted_table 加權表
- R hardhat validate_outcomes_are_univariate 確保結果是單變量
- R hardhat get_levels 從 DataFrame 中提取因子水平
- R hardhat add_intercept_column 向數據添加截距列
- R hardhat is_frequency_weights x 是頻率權重向量嗎?
- R hardhat model_offset 提取模型偏移
- R hardhat standardize 標準化結果
- R hardhat model_matrix 構建設計矩陣
- R hardhat is_importance_weights x 是重要性權重向量嗎?
- R hardhat run-mold 根據藍圖 Mold()
- R hardhat get_data_classes 從 DataFrame 或矩陣中提取數據類
- R hardhat fct_encode_one_hot 將一個因子編碼為 one-hot 指標矩陣
- R hardhat validate_no_formula_duplication 確保公式中不出現重複項
- R hardhat default_xy_blueprint 默認 XY 藍圖
- R hardhat shrink 僅對所需列進行子集化
- R hardhat validate_outcomes_are_numeric 確保結果都是數字
注:本文由純淨天空篩選整理自Davis Vaughan等大神的英文原創作品 Constructor for a base model。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。