translate()
會將模型規範轉換為特定於特定引擎(例如 R 包)的代碼對象。它將通用參數轉換為其對應參數。
參數
- x
-
型號規格。
- ...
-
目前未使用。
- engine
-
模型的計算引擎(請參閱
?set_engine
)。
細節
translate()
生成缺少特定參數值的模板調用(例如 data
等)。一旦使用模型數據的細節調用fit()
,就會填充這些內容。如果規範中包含tune()
參數,則調用還可以包含這些參數。要處理 tune()
參數,您需要使用 tune package 。欲了解更多信息,請參閱https://www.tidymodels.org/start/tuning/
它確實包含特定於模型擬合函數/引擎的解析參數名稱。
當您需要了解 parsnip
如何從特定於模型擬合函數的通用模型轉變時,此函數會很有用。
注意:此函數在內部使用,用戶隻能使用它來了解底層語法是什麽。它不應該被用來修改模型規格。
例子
lm_spec <- linear_reg(penalty = 0.01)
# `penalty` is tranlsated to `lambda`
translate(lm_spec, engine = "glmnet")
#> Linear Regression Model Specification (regression)
#>
#> Main Arguments:
#> penalty = 0.01
#>
#> Computational engine: glmnet
#>
#> Model fit template:
#> glmnet::glmnet(x = missing_arg(), y = missing_arg(), weights = missing_arg(),
#> family = "gaussian")
# `penalty` not applicable for this model.
translate(lm_spec, engine = "lm")
#> Linear Regression Model Specification (regression)
#>
#> Main Arguments:
#> penalty = 0.01
#>
#> Computational engine: lm
#>
#> Model fit template:
#> stats::lm(formula = missing_arg(), data = missing_arg(), weights = missing_arg())
# `penalty` is tranlsated to `reg_param`
translate(lm_spec, engine = "spark")
#> Linear Regression Model Specification (regression)
#>
#> Main Arguments:
#> penalty = 0.01
#>
#> Computational engine: spark
#>
#> Model fit template:
#> sparklyr::ml_linear_regression(x = missing_arg(), formula = missing_arg(),
#> weights = missing_arg(), reg_param = 0.01)
# with a placeholder for an unknown argument value:
translate(linear_reg(penalty = tune(), mixture = tune()), engine = "glmnet")
#> Linear Regression Model Specification (regression)
#>
#> Main Arguments:
#> penalty = tune()
#> mixture = tune()
#>
#> Computational engine: glmnet
#>
#> Model fit template:
#> glmnet::glmnet(x = missing_arg(), y = missing_arg(), weights = missing_arg(),
#> alpha = tune(), family = "gaussian")
相關用法
- R parsnip logistic_reg 邏輯回歸
- R parsnip predict.model_fit 模型預測
- R parsnip linear_reg 線性回歸
- R parsnip C5_rules C5.0 基於規則的分類模型
- R parsnip set_engine 聲明計算引擎和特定參數
- R parsnip condense_control 將控製對象壓縮為更小的控製對象
- R parsnip control_parsnip 控製擬合函數
- R parsnip augment 通過預測增強數據
- R parsnip repair_call 修複模型調用對象
- R parsnip dot-model_param_name_key 翻譯模型調整參數的名稱
- R parsnip glm_grouped 將數據集中的分組二項式結果與個案權重擬合
- R parsnip rule_fit 規則擬合模型
- R parsnip svm_rbf 徑向基函數支持向量機
- R parsnip set_args 更改模型規範的元素
- R parsnip max_mtry_formula 根據公式確定 mtry 的最大值。此函數可能會根據公式和數據集限製 mtry 的值。對於生存和/或多變量模型來說,這是一種安全的方法。
- R parsnip svm_linear 線性支持向量機
- R parsnip set_new_model 注冊模型的工具
- R parsnip rand_forest 隨機森林
- R parsnip mlp 單層神經網絡
- R parsnip nearest_neighbor K-最近鄰
- R parsnip parsnip_update 更新型號規格
- R parsnip fit 將模型規範擬合到數據集
- R parsnip boost_tree 增強樹
- R parsnip bart 貝葉斯加性回歸樹 (BART)
- R parsnip add_rowindex 將一列行號添加到 DataFrame
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 Resolve a Model Specification for a Computational Engine。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。