R parsnip rule_fit 規則擬合模型

rule_fit() 定義了一個模型，該模型從樹集成中派生簡單的特征規則，並將它們用作正則化模型中的特征。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。

• xrf¹²

• h2o²

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

rule_fit(
  mode = "unknown",
  mtry = NULL,
  trees = NULL,
  min_n = NULL,
  tree_depth = NULL,
  learn_rate = NULL,
  loss_reduction = NULL,
  sample_size = NULL,
  stop_iter = NULL,
  penalty = NULL,
  engine = "xrf"
)

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"。

mtry

創建樹模型時將在每次分割時隨機采樣的預測變量的數量(或比例)的數字(僅限特定引擎)

trees

集合中包含的樹數的整數。

min_n

節點中進一步拆分節點所需的最小數據點數量的整數。

tree_depth

樹的最大深度的整數(即分割數)(僅限特定引擎)。

learn_rate

提升算法從迭代到迭代的適應速率的數字(僅限特定引擎)。這有時稱為收縮參數。

loss_reduction

進一步分割所需的損失函數減少的數字(僅限特定引擎)。

sample_size

一個數字，表示暴露給擬合例程的數據數量(或比例)。對於 xgboost ，在每次迭代時進行采樣，而 C5.0 在訓練期間采樣一次。

stop_iter

停止前沒有改進的迭代次數(僅限特定引擎)。

penalty

L1 正則化參數。

engine

指定用於擬合的計算引擎的單個字符串。

細節

RuleFit 模型分兩個階段創建規則回歸模型。第一階段使用基於樹的模型，用於生成一組可以過濾、修改和簡化的規則。然後將這些規則作為預測器添加到正則化廣義線性模型中，該模型也可以在模型訓練期間進行特征選擇。

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
rule_fit(argument = !!value)

參考

Friedman, J. H. 和 Popescu, B. E. (2008)。 “通過規則集合進行預測學習。”應用統計年鑒，2(3), 916-954。

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

也可以看看

例子

show_engines("rule_fit")
#> # A tibble: 0 × 2
#> # ℹ 2 variables: engine <chr>, mode <chr>

rule_fit()
#> ! parsnip could not locate an implementation for `rule_fit` model
#>   specifications.
#> ℹ The parsnip extension packages agua and rules implement support for
#>   this specification.
#> ℹ Please install (if needed) and load to continue.
#> RuleFit Model Specification (unknown mode)
#> 
#> Computational engine: xrf 
#>