R 为什么我们需要在tidymodels中准备、烘焙和榨汁?
我总是在不使用准备、烘焙或果汁的情况下完成模型的拟合和预测: 这些准备、烘焙、榨汁功能是否仅用于目视检查数据的预处理结果,而不是拟合/培训过程所必需的 上面的代码是我在官方教程中学习的R 为什么我们需要在tidymodels中准备、烘焙和榨汁?,r,tidymodels,r-recipes,R,Tidymodels,R Recipes,我总是在不使用准备、烘焙或果汁的情况下完成模型的拟合和预测: 这些准备、烘焙、榨汁功能是否仅用于目视检查数据的预处理结果,而不是拟合/培训过程所必需的 上面的代码是我在官方教程中学习的 我在另一个博客中读到,如果使用train_数据,就会产生数据泄漏。我想多听听这方面的情况;这些功能是否与数据泄漏有关?简短回答:您是正确的,当在您的示例中的工作流中使用配方时,不需要预处理功能 本教程将对此进行介绍: 我们将在一个工作流程中使用这个配方,所以我们不需要太多地强调是否准备。如果您想探索配方对数据的作
我在另一个博客中读到,如果使用train_数据,就会产生数据泄漏。我想多听听这方面的情况;这些功能是否与数据泄漏有关?简短回答:您是正确的,当在您的示例中的工作流中使用配方时,不需要预处理功能 本教程将对此进行介绍: 我们将在一个工作流程中使用这个配方,所以我们不需要太多地强调是否准备。如果您想探索配方对数据的作用,可以先准备配方以估计每个步骤所需的参数,然后bakenew_data=NULL以提取应用这些步骤的训练数据
我推荐Julia博客上的所有教程来理解tidymodels。简短回答:您是对的,当配方在工作流中使用时,如您的示例所示,不需要预处理功能 本教程将对此进行介绍: 我们将在一个工作流程中使用这个配方,所以我们不需要太多地强调是否准备。如果您想探索配方对数据的作用,可以先准备配方以估计每个步骤所需的参数,然后bakenew_data=NULL以提取应用这些步骤的训练数据
我推荐Julia博客上的所有教程来理解tidymodels。您已经解决了我的问题。谢谢,我也会阅读这个博客来了解这个功能的细节。这是一个非常好的回答,非常感谢你的好话。在使用tidymodels工作流时,通常不需要使用这些函数。我想补充一点,像prep和bake这样的函数可以与base R、非tidymodels建模函数一起使用。您已经解决了我的问题。谢谢,我也会阅读这个博客来了解这个功能的细节。这是一个非常好的回答,非常感谢你的好话。在使用tidymodels工作流时,通常不需要使用这些函数。我想补充的是,prep和bake等函数可以与base R、非tidymodels建模函数一起使用。
rec_wflow <-
workflow() %>%
add_model(lr_mod) %>%
add_recipe(rec)
data_fit <-
rec_wflow %>%
fit(data = train_data)