broom

метла

Обзор

broom суммирует ключевую информацию о моделях в Tidy tibble() s. broom предоставляет три глагола, чтобы сделать его удобным для взаимодействия с модельными объектами:

• tidy() суммирует информацию о компонентах модели
• glance() сообщает информацию обо всей модели
• augment() добавляет информацию о наблюдениях в набор данных

Подробное введение, см. vignette("broom") .

broom Tidies 100+ моделей из популярных пакетов моделирования и почти всех объектов модели в пакете stats , который поставляется с базовой R. vignette("available-methods") перечисляет доступность метода.

Если вы не знакомы со структурами данных и хотите узнать, как они могут облегчить вашу жизнь, мы настоятельно рекомендуем прочитать аккуратные данные Хэдли Уикхэма.

Установка

 # 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 " )

Если вы найдете ошибку, пожалуйста, подайте минимальный воспроизводимый пример в проблемы.

Использование

tidy() создает tibble() , где каждая строка содержит информацию о важном компоненте модели. Для регрессионных моделей это часто соответствует коэффициентам регрессии. Это может быть полезно, если вы хотите осмотреть модель или создать пользовательскую визуализацию.

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() возвращает Tibble с ровно одним рядом достоинства фитнес -мер и связанной статистики. Это полезно для проверки модельной неправильной спецификации и сравнения многих моделей.

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 добавляет столбцы в набор данных, содержащую информацию, такую ​​как подходящие значения, остатки или назначение кластера. Все столбцы, добавленные в набор данных . Префикс, чтобы предотвратить перезаписание существующих столбцов.

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

Внося

Мы приветствуем вклад всех типов!

По вопросам и дискуссиям о пакетах Tidymodels, моделировании и машинном обучении, пожалуйста, опубликуйте в сообществе позиций. Если вы думаете, что столкнулись с ошибкой, отправьте проблему. В любом случае, узнайте, как создавать и делиться репрексом (минимальный, воспроизводимый пример), чтобы четко сообщить о вашем коде. Ознакомьтесь с дополнительной информацией о внесении руководящих принципов для пакетов Tidymodels и о том, как получить помощь.

Если вы никогда раньше не вносили вклад в пакет R, broom - отличное место для начала. Найдите проблему с тегом для начинающих и комментарием, которые вы хотели бы взять ее на себя, и мы поможем вам начать.

Как правило, мы также рекомендуем исправления опечатки, отчеты об ошибках, исправления ошибок и запросы функций. Отзывы о ясности документации особенно ценны!

Если вы заинтересованы в добавлении более аккуратных методов для новых модельных объектов, прочитайте эту статью на веб -сайте Tidymodels.

У нас есть кодекс поведения. Участвуя в broom , вы соглашаетесь соблюдать ее условия.