R parsnip set_engine 聲明計算引擎和特定參數

set_engine() 用於指定將使用哪個包或係統來擬合模型，以及特定於該軟件的任何參數。

用法

set_engine(object, engine, ...)

參數

object: 型號規格。
engine: 用於擬合模型的軟件字符串。這高度依賴於模型的類型(例如線性回歸、隨機森林等)。
...: 與所選計算引擎相關的任何可選參數。這些被捕獲為 quosures，並且可以使用 tune() 進行調整。

值

更新的模型規格。

細節

在防風草中，

模型類型區分基本建模方法，例如隨機森林、邏輯回歸、線性支持向量機等，
模式表示將在哪種建模環境中使用(最常見的是分類或回歸)，以及
計算引擎指示模型如何擬合，例如特定的 R 包實現，甚至是 R 之外的方法(如 Keras 或 Stan)。

使用 show_engines() 獲取感興趣模型的可能引擎列表。

防風草中的建模函數將模型參數分為兩類：

主要論點更常用，並且往往可以跨引擎使用。這些名稱經過標準化處理，可以以一致的方式與不同的引擎配合使用，因此您可以使用防風草主要論點trees，而不是來自該參數的異構參數護林員和隨機森林包(num.trees和ntree，分別)。在模型類型函數中設置這些，例如rand_forest(trees = 2000).
引擎參數或者特定於特定引擎，或者很少使用；底層引擎中的這些參數名稱沒有變化。 set_engine() 的 ... 參數允許將任何特定於引擎的參數直接傳遞給引擎擬合函數，例如 set_engine("ranger", importance = "permutation") 。

例子

# First, set main arguments using the standardized names
logistic_reg(penalty = 0.01, mixture = 1/3) %>%
  # Now specify how you want to fit the model with another argument
  set_engine("glmnet", nlambda = 10) %>%
  translate()
#> Logistic Regression Model Specification (classification)
#> 
#> Main Arguments:
#>   penalty = 0.01
#>   mixture = 1/3
#> 
#> Engine-Specific Arguments:
#>   nlambda = 10
#> 
#> Computational engine: glmnet 
#> 
#> Model fit template:
#> glmnet::glmnet(x = missing_arg(), y = missing_arg(), weights = missing_arg(), 
#>     alpha = 1/3, nlambda = 10, family = "binomial")

# Many models have possible engine-specific arguments
decision_tree(tree_depth = 5) %>%
  set_engine("rpart", parms = list(prior = c(.65,.35))) %>%
  set_mode("classification") %>%
  translate()
#> Decision Tree Model Specification (classification)
#> 
#> Main Arguments:
#>   tree_depth = 5
#> 
#> Engine-Specific Arguments:
#>   parms = list(prior = c(0.65, 0.35))
#> 
#> Computational engine: rpart 
#> 
#> Model fit template:
#> rpart::rpart(formula = missing_arg(), data = missing_arg(), weights = missing_arg(), 
#>     maxdepth = 5, parms = list(prior = c(0.65, 0.35)))

源代碼：R/engines.R

相關用法

注：本文由純淨天空篩選整理自Max Kuhn等大神的英文原創作品 Declare a computational engine and specific arguments。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。