這是一個麵向開發人員的函數,僅在您創建自己的藍圖子類時使用。它從 mold()
調用並分派 blueprint
的 S3 類。這使您有機會以特定於您的藍圖的方式塑造數據。
run_mold()
將使用不同的參數進行調用,具體取決於所使用的 mold()
接口:
-
XY接口:
-
run_mold(blueprint, x = x, y = y)
-
-
公式接口:
-
run_mold(blueprint, data = data)
-
此外,
blueprint
將更新為包含formula
。
-
-
菜譜接口:
-
run_mold(blueprint, data = data)
-
此外,
blueprint
將更新為包含recipe
。
-
如果您為 new_xy_blueprint()
、 new_recipe_blueprint()
或 new_formula_blueprint()
編寫藍圖子類,則 run_mold()
方法簽名必須與上麵列出的將使用的接口匹配。
如果您編寫一個僅繼承new_blueprint()
的全新藍圖並編寫一個新的mold()
方法(因為您沒有使用xy、公式或配方接口),那麽您將完全控製run_mold()
將如何叫做。
用法
run_mold(blueprint, ...)
# S3 method for default_formula_blueprint
run_mold(blueprint, ..., data)
# S3 method for default_recipe_blueprint
run_mold(blueprint, ..., data)
# S3 method for default_xy_blueprint
run_mold(blueprint, ..., x, y)
參數
- blueprint
-
預處理藍圖。
- ...
-
不曾用過。需要可擴展性。
- data
-
包含結果和預測變量的 DataFrame 或矩陣。
- x
-
包含預測變量的 DataFrame 或矩陣。
- y
-
包含結果的 DataFrame 、矩陣或向量。
例子
bp <- default_xy_blueprint()
outcomes <- mtcars["mpg"]
predictors <- mtcars
predictors$mpg <- NULL
run_mold(bp, x = predictors, y = outcomes)
#> $predictors
#> # A tibble: 32 × 10
#> cyl disp hp drat wt qsec vs am gear carb
#> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 6 160 110 3.9 2.62 16.5 0 1 4 4
#> 2 6 160 110 3.9 2.88 17.0 0 1 4 4
#> 3 4 108 93 3.85 2.32 18.6 1 1 4 1
#> 4 6 258 110 3.08 3.22 19.4 1 0 3 1
#> 5 8 360 175 3.15 3.44 17.0 0 0 3 2
#> 6 6 225 105 2.76 3.46 20.2 1 0 3 1
#> 7 8 360 245 3.21 3.57 15.8 0 0 3 4
#> 8 4 147. 62 3.69 3.19 20 1 0 4 2
#> 9 4 141. 95 3.92 3.15 22.9 1 0 4 2
#> 10 6 168. 123 3.92 3.44 18.3 1 0 4 4
#> # ℹ 22 more rows
#>
#> $outcomes
#> # A tibble: 32 × 1
#> mpg
#> <dbl>
#> 1 21
#> 2 21
#> 3 22.8
#> 4 21.4
#> 5 18.7
#> 6 18.1
#> 7 14.3
#> 8 24.4
#> 9 22.8
#> 10 19.2
#> # ℹ 22 more rows
#>
#> $blueprint
#> XY blueprint:
#>
#> # Predictors: 10
#> # Outcomes: 1
#> Intercept: FALSE
#> Novel Levels: FALSE
#> Composition: tibble
#>
#> $extras
#> NULL
#>
相關用法
- R hardhat run-forge 根據藍圖 forge()
- R hardhat refresh_blueprint 刷新預處理藍圖
- 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 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 new_frequency_weights 構建頻率權重向量
- 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
- R hardhat scream ? 尖叫。
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 mold() according to a blueprint。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。