broom

escoba

Descripción general

broom resume la información clave sobre los modelos en Tible tibble() s. broom proporciona tres verbos para que sea conveniente interactuar con objetos modelo:

• tidy() resume la información sobre los componentes del modelo
• glance() informa información sobre todo el modelo
• augment() agrega información sobre las observaciones a un conjunto de datos

Para una introducción detallada, consulte vignette("broom") .

broom Tidies 100+ modelos de paquetes de modelado populares y casi todos los objetos modelo en el paquete stats que viene con la disponibilidad de métodos Base R. vignette("available-methods") .

Si no está familiarizado con las estructuras de datos ordenadas y quiere saber cómo pueden facilitar su vida, recomendamos leer los Datos ordenados de Hadley Wickham.

Instalación

 # 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 " )

Si encuentra un error, presente un ejemplo mínimo reproducible en los problemas.

Uso

tidy() produce un tibble() donde cada fila contiene información sobre un componente importante del modelo. Para los modelos de regresión, esto a menudo corresponde a coeficientes de regresión. Esto puede ser útil si desea inspeccionar un modelo o crear visualizaciones personalizadas.

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() devuelve un tibble con exactamente una fila de bondad de medidas de aptitud y estadísticas relacionadas. Esto es útil para verificar el modelo de especificación errónea y comparar muchos modelos.

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 agrega columnas a un conjunto de datos, que contiene información como valores ajustados, residuos o asignaciones de clúster. Todas las columnas agregadas a un conjunto de datos tienen . prefijo para evitar que las columnas existentes se sobrescriban.

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 rows

Que contribuye

¡Agradecemos las contribuciones de todo tipo!

Para preguntas y discusiones sobre paquetes de Tidymodels, modelado y aprendizaje automático, publique en la comunidad POSIT. Si cree que ha encontrado un error, envíe un problema. De cualquier manera, aprenda a crear y compartir un Repex (un ejemplo mínimo y reproducible), para comunicarse claramente sobre su código. Consulte más detalles sobre las pautas contribuyentes para los paquetes de Tidymodels y cómo obtener ayuda.

Si nunca antes ha contribuido directamente a un paquete R, broom es un excelente lugar para comenzar. Encuentre un problema con la etiqueta amigable para principiantes y comente que le gustaría asumirlo y lo ayudaremos a comenzar.

En general, también, fomentamos las correcciones de error tipográfico, los informes de errores, las correcciones de errores y las solicitudes de funciones. ¡Los comentarios sobre la claridad de la documentación son especialmente valiosos!

Si está interesado en agregar métodos más ordenados para nuevos objetos modelo, lea este artículo en el sitio web de Tidymodels.

Tenemos un código de conducta de contribuyentes. Al participar en broom , acepta cumplir con sus términos.