broom
broom 1.0.7
broom Tidy tibble() 의 모델에 대한 주요 정보를 요약합니다. broom 3 개의 동사를 제공하여 모델 객체와 상호 작용하는 것이 편리합니다.
tidy() 모델 구성 요소에 대한 정보를 요약합니다glance() 전체 모델에 대한 정보를보고합니다augment() 데이터 세트에 관찰에 대한 정보를 추가합니다 자세한 소개는 vignette("broom") 참조하십시오.
broom Tidies 인기있는 모델링 패키지의 100 개 이상의 모델과 Base R. vignette("available-methods") 와 함께 제공되는 stats 패키지의 거의 모든 모델 객체는 메소드 가용성을 나열합니다.
깔끔한 데이터 구조에 익숙하지 않고 그들이 당신의 삶을 더 편하게 만들 수있는 방법을 알고 싶다면 Hadley Wickham의 깔끔한 데이터를 읽는 것이 좋습니다.
# 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 " )버그를 찾으면 문제에 최소한의 재현 가능한 예제를 제출하십시오.
tidy() 각 행에 모델의 중요한 구성 요소에 대한 정보가 포함 된 tibble() 생성합니다. 회귀 모델의 경우 이는 종종 회귀 계수에 해당합니다. 모델을 검사하거나 사용자 정의 시각화를 만들려면 유용 할 수 있습니다.
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() 피트니스 측정 및 관련 통계의 정확히 1 행의 선으로 반환합니다. 이것은 모델 틀린화를 확인하고 많은 모델을 비교하는 데 유용합니다.
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 적합 값, 잔차 또는 클러스터 할당과 같은 정보를 포함하는 데이터 세트에 열을 추가합니다. 데이터 세트에 추가 된 모든 열에 . 기존 열이 덮어 쓰는 것을 방지하기 위해 접두사.
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 rows우리는 모든 유형의 기여를 환영합니다!
Tidymodels 패키지, 모델링 및 머신 러닝에 대한 질문과 토론은 Posit Community에 게시하십시오. 버그가 발생했다고 생각되면 문제를 제출하십시오. 어느 쪽이든, 코드에 대해 명확하게 전달하기 위해 Reprex (최소한의 재현 가능한 예)를 작성하고 공유하는 방법을 배우십시오. Tidymodels 패키지에 대한 기고 가이드 라인 및 도움말을 얻는 방법에 대한 자세한 내용을 확인하십시오.
전에 R 패키지에 직접 기여한 적이 없다면 broom 시작하기에 훌륭한 장소입니다. 초보자 친화적 인 태그에 문제를 찾아서 당신이 그것을 받아들이고 싶은 댓글을 찾으면 시작할 수 있도록 도와 드리겠습니다.
일반적으로 오타 수정, 버그 보고서, 버그 수정 및 기능 요청을 권장합니다. 문서의 명확성에 대한 피드백은 특히 가치가 있습니다!
새로운 모델 객체에 대한 젖은 방법을 추가하는 데 관심이 있으시면 Tidymodels 웹 사이트 에서이 기사를 읽으십시오.
우리는 기여자 행동 강령이 있습니다. broom 에 참여함으로써 당신은 그 용어를 준수하는 데 동의합니다.
