broom
broom 1.0.7
broom สรุปข้อมูลสำคัญเกี่ยวกับรุ่นใน Tidy tibble() s broom มีคำกริยาสามคำเพื่อให้สะดวกในการโต้ตอบกับวัตถุจำลอง:
tidy() สรุปข้อมูลเกี่ยวกับส่วนประกอบของโมเดลglance() รายงานข้อมูลเกี่ยวกับรุ่นทั้งหมดaugment() เพิ่มข้อมูลเกี่ยวกับการสังเกตไปยังชุดข้อมูล สำหรับการแนะนำรายละเอียดโปรดดู vignette("broom")
broom Tidies 100+ รุ่นจากแพ็คเกจการสร้างแบบจำลองยอดนิยมและวัตถุโมเดลเกือบทั้งหมดในแพ็คเกจ stats ที่มาพร้อมกับพื้นฐาน R. vignette("available-methods") แสดงรายการความพร้อมใช้งานของวิธีการ
หากคุณไม่คุ้นเคยกับโครงสร้างข้อมูลที่เป็นระเบียบและต้องการทราบว่าพวกเขาสามารถทำให้ชีวิตของคุณง่ายขึ้นได้อย่างไรเราขอแนะนำให้อ่านข้อมูลที่เป็นระเบียบของ Hadley Wickham
# we recommend installing the entire tidyverse
# modeling set, which includes broom:
install.packages( " tidymodels " )
# alternatively, to install just broom:
install.packages( " broom " )
# to get the development version from GitHub:
install.packages( " pak " )
pak :: pak( " tidymodels/broom " )หากคุณพบข้อผิดพลาดโปรดยื่นตัวอย่างที่ทำซ้ำได้น้อยที่สุดในปัญหา
tidy() ผลิต tibble() ซึ่งแต่ละแถวมีข้อมูลเกี่ยวกับองค์ประกอบที่สำคัญของโมเดล สำหรับแบบจำลองการถดถอยสิ่งนี้มักจะสอดคล้องกับค่าสัมประสิทธิ์การถดถอย สิ่งนี้มีประโยชน์หากคุณต้องการตรวจสอบโมเดลหรือสร้างการสร้างภาพข้อมูลที่กำหนดเอง
library( broom )
fit <- lm( Volume ~ Girth + Height , trees )
tidy( fit )
# > # A tibble: 3 x 5
# > term estimate std.error statistic p.value
# > <chr> <dbl> <dbl> <dbl> <dbl>
# > 1 (Intercept) -58.0 8.64 -6.71 2.75e- 7
# > 2 Girth 4.71 0.264 17.8 8.22e-17
# > 3 Height 0.339 0.130 2.61 1.45e- 2 glance() ส่งคืน tibble ด้วยหนึ่งแถวของความดีของมาตรการออกกำลังกายและสถิติที่เกี่ยวข้อง สิ่งนี้มีประโยชน์ในการตรวจสอบการสะกดผิดแบบจำลองและเพื่อเปรียบเทียบหลายรุ่น
glance( fit )
# > # A tibble: 1 x 12
# > r.squared adj.r.squared sigma statistic p.value df logLik AIC BIC
# > <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# > 1 0.948 0.944 3.88 255. 1.07e-18 2 -84.5 177. 183.
# > # … with 3 more variables: deviance <dbl>, df.residual <int>, nobs <int> augment เพิ่มคอลัมน์ลงในชุดข้อมูลที่มีข้อมูลเช่นค่าที่ติดตั้ง, ส่วนที่เหลือหรือการกำหนดคลัสเตอร์ คอลัมน์ทั้งหมดที่เพิ่มลงในชุดข้อมูล . คำนำหน้าเพื่อป้องกันไม่ให้คอลัมน์ที่มีอยู่ถูกเขียนทับ
augment( fit , data = trees )
# > # A tibble: 31 x 9
# > Girth Height Volume .fitted .resid .std.resid .hat .sigma .cooksd
# > <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# > 1 8.3 70 10.3 4.84 5.46 1.50 0.116 3.79 0.0978
# > 2 8.6 65 10.3 4.55 5.75 1.60 0.147 3.77 0.148
# > 3 8.8 63 10.2 4.82 5.38 1.53 0.177 3.78 0.167
# > 4 10.5 72 16.4 15.9 0.526 0.140 0.0592 3.95 0.000409
# > 5 10.7 81 18.8 19.9 -1.07 -0.294 0.121 3.95 0.00394
# > 6 10.8 83 19.7 21.0 -1.32 -0.370 0.156 3.94 0.00840
# > 7 11 66 15.6 16.2 -0.593 -0.162 0.115 3.95 0.00114
# > 8 11 75 18.2 19.2 -1.05 -0.277 0.0515 3.95 0.00138
# > 9 11.1 80 22.6 21.4 1.19 0.321 0.0920 3.95 0.00348
# > 10 11.2 75 19.9 20.2 -0.288 -0.0759 0.0480 3.95 0.0000968
# > # … with 21 more rowsเรายินดีต้อนรับการมีส่วนร่วมทุกประเภท!
สำหรับคำถามและการอภิปรายเกี่ยวกับแพ็คเกจ TidyModels การสร้างแบบจำลองและการเรียนรู้ของเครื่องโปรดโพสต์ในชุมชน Posit หากคุณคิดว่าคุณได้พบกับข้อผิดพลาดโปรดส่งปัญหา ไม่ว่าจะด้วยวิธีใดเรียนรู้วิธีการสร้างและแบ่งปัน reprex (ตัวอย่างน้อยที่สุดที่ทำซ้ำได้) เพื่อสื่อสารเกี่ยวกับรหัสของคุณอย่างชัดเจน ตรวจสอบรายละเอียดเพิ่มเติมเกี่ยวกับแนวทางการสนับสนุนสำหรับแพ็คเกจ TidyModels และวิธีรับความช่วยเหลือ
หากคุณไม่เคยมีส่วนร่วมโดยตรงกับแพ็คเกจ R มาก่อน broom เป็นจุดเริ่มต้นที่ยอดเยี่ยม ค้นหาปัญหาเกี่ยวกับแท็ก ที่เป็นมิตรกับผู้เริ่มต้น และแสดงความคิดเห็นที่คุณต้องการนำไปใช้และเราจะช่วยให้คุณเริ่มต้นได้
โดยทั่วไปแล้วเราขอแนะนำให้แก้ไขการพิมพ์ผิดรายงานข้อผิดพลาดการแก้ไขข้อบกพร่องและคำขอคุณสมบัติ ข้อเสนอแนะเกี่ยวกับความชัดเจนของเอกสารมีค่าเป็นพิเศษ!
หากคุณสนใจที่จะเพิ่มวิธีการ Tidier สำหรับวัตถุโมเดลใหม่โปรดอ่านบทความนี้บนเว็บไซต์ TidyModels
เรามีจรรยาบรรณผู้สนับสนุน โดยการเข้าร่วมใน broom คุณตกลงที่จะปฏิบัติตามข้อกำหนดของมัน
