broom

sapu

Ringkasan

broom merangkum informasi utama tentang model di Tidy tibble() s. broom menyediakan tiga kata kerja untuk membuatnya nyaman untuk berinteraksi dengan objek model:

• tidy() merangkum informasi tentang komponen model
• glance() melaporkan informasi tentang seluruh model
• augment() menambahkan informasi tentang pengamatan ke dataset

Untuk pengantar yang terperinci, silakan lihat vignette("broom") .

broom Tidies 100+ model dari paket pemodelan populer dan hampir semua objek model dalam paket stats yang dilengkapi dengan base R. vignette("available-methods") mencantumkan ketersediaan metode.

Jika Anda tidak terbiasa dengan struktur data yang rapi dan ingin tahu bagaimana mereka dapat membuat hidup Anda lebih mudah, kami sangat merekomendasikan membaca data rapi Hadley Wickham.

Instalasi

 # 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 " )

Jika Anda menemukan bug, silakan ajukan contoh yang dapat direproduksi minimal dalam masalah.

Penggunaan

tidy() menghasilkan tibble() di mana setiap baris berisi informasi tentang komponen penting dari model. Untuk model regresi, ini sering sesuai dengan koefisien regresi. Ini bisa berguna jika Anda ingin memeriksa model atau membuat visualisasi khusus.

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() Mengembalikan Tibble dengan tepat satu baris Goodness of Fitness Measures dan Statistics Terkait. Ini berguna untuk memeriksa kesalahan spesifikasi model dan membandingkan banyak model.

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 menambahkan kolom ke dataset, berisi informasi seperti nilai yang dipasang, residu atau penugasan cluster. Semua kolom ditambahkan ke dataset memiliki . awalan untuk mencegah kolom yang ada ditimpa.

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

Berkontribusi

Kami menyambut kontribusi semua jenis!

Untuk pertanyaan dan diskusi tentang paket Tidymodels, pemodelan, dan pembelajaran mesin, silakan posting di komunitas posit. Jika Anda pikir Anda telah menemukan bug, silakan kirimkan masalah. Either way, pelajari cara membuat dan berbagi reprex (contoh minimal, dapat direproduksi), untuk berkomunikasi dengan jelas tentang kode Anda. Lihat perincian lebih lanjut tentang Pedoman yang Berkontribusi untuk Paket Tidymodels dan Cara Mendapatkan Bantuan.

Jika Anda belum pernah berkontribusi langsung ke paket R sebelumnya, broom adalah tempat yang sangat baik untuk memulai. Temukan masalah dengan tag ramah pemula dan komentar yang ingin Anda lakukan dan kami akan membantu Anda memulai.

Secara umum, kami mendorong koreksi kesalahan ketik, laporan bug, perbaikan bug dan permintaan fitur. Umpan balik tentang kejelasan dokumentasi sangat berharga!

Jika Anda tertarik untuk menambahkan metode yang lebih rapi untuk objek model baru, silakan baca artikel ini di situs web TidyModels.

Kami memiliki Kode Etik Kontributor. Dengan berpartisipasi dalam broom Anda setuju untuk mematuhi persyaratannya.