Aufgeräumtes Modellieren mit R

Kapitel 6. Anpassen von Modellen mit Parsnip

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Das Paketparsnip ist eines der R-Pakete, die Teil des Metapaketstidymodels sind. Es bietet eine flüssige und standardisierte Schnittstelle für eine Vielzahl verschiedener Modelle. In diesem Kapitel erläutern wir, warum eine einheitliche Schnittstelle für das Verständnis und die Erstellung von Modellen in der Praxis von Vorteil ist, und zeigen, wie man das Paketparsnip verwendet.

Insbesondere werden wir uns darauf konzentrieren, wie fit() und predict() direkt mit einemParsnip-Objekt verwendet werden können, das für einige einfache Modellierungsprobleme gut geeignet sein kann. In Kapitel 7 wird ein besserer Ansatz für viele Modellierungsaufgaben vorgestellt, bei dem Modelle und Präprozessoren in einem sogenannten workflow Objekt kombiniert werden.

Ein Modell erstellen

Sobald die Daten in einem Format kodiert sind, das für einen Modellierungsalgorithmus geeignet ist, z. B. in Form einer numerischen Matrix, können sie für den Modellierungsprozess verwendet werden.

Nehmen wir an, dass wir uns zunächst für ein lineares Regressionsmodell entschieden haben. Das bedeutet, dass die Ergebnisdaten numerisch sind und die Prädiktoren mit dem Ergebnis durch einfache Steigungen und Achsenabschnitte verbunden sind:

$$y_i={\beta }_0+{\beta }_1{x}_{1i}+...+{\beta }_p{x}_{pi}$$

Zur Schätzung der Modellparameter können verschiedene ...