使用 tidymodels 进行线性回归

在 R 中使用 tidymodels 建模

David Svancer

Data Scientist

使用 parsnip 进行模型拟合

使用 parsnip 拟合模型

线性回归模型

使用 cty 预测 hwy

$$hwy = \beta_{0} + \beta_{1} cty$$

模型参数

$ \beta_{0} $ 为截距
$ \beta_{1} $ 为斜率

高速 vs 市区油耗

线性回归模型

使用 cty 预测 hwy

$$hwy = \beta_{0} + \beta_{1} cty$$

模型参数

$ \beta_{0} $ 为截距
$ \beta_{1} $ 为斜率

基于训练数据的估计参数

$$\small hwy = 0.77 + 1.35(cty)$$

Mpg 数据与线性回归线

模型公式

parsnip 中的模型公式

用于指定列角色
- 结果变量
- 预测变量

通用形式

outcome ~ predictor_1 + predictor_2 + ...

速记法

outcome ~ .

将 cty 作为预测变量来预测 hwy

hwy ~ cty

parsnip 包

R 中统一的模型规范语法

指定模型类型
- 线性回归或其他模型类型
指定引擎
- 不同引擎对应不同的 R 包
指定模式
- 回归或分类

Parsnip 包

拟合线性回归模型

使用 parsnip 定义模型规范

linear_reg()

将 lm_model 传给 fit() 函数

指定模型公式
拟合所用的 data

lm_model <- linear_reg() %>%

  set_engine('lm') %>%

  set_mode('regression')

lm_fit <- lm_model %>% 
  fit(hwy ~ cty, data = mpg_training)

获取参数估计值

tidy() 函数

接受训练后的 parsnip 模型对象
生成模型摘要 tibble
term 与 estimate 列给出参数估计

tidy(lm_fit)

# A tibble: 2 x 5
  term        estimate std.error statistic  p.value
  <chr>          <dbl>     <dbl>     <dbl>    <dbl>
1 (Intercept)    0.769    0.528       1.46 1.47e- 1
2 cty            1.35     0.0305     44.2  6.32e-97

进行预测

将训练好的 parsnip 模型传给 predict()

new_data 指定要预测的数据集

predict() 的标准化输出

返回 tibble
行顺序与输入 new_data 保持一致
预测列命名为 .pred

hwy_predictions <- lm_fit %>% 
  predict(new_data = mpg_test)


hwy_predictions

# A tibble: 57 x 1
   .pred
   <dbl>
 1  25.0
 2  27.7
 3  25.0
 4  25.0
 5  22.3
# ... with 47 more rows

将预测添加到测试数据

bind_cols() 函数

按列方向合并两个或更多 tibble
用于创建模型结果 tibble

步骤

从 mpg_test 选取 hwy 和 cty
传给 bind_cols() 并添加预测列

mpg_test_results <- mpg_test %>%
  select(hwy, cty) %>%

  bind_cols(hwy_predictions)

mpg_test_results

# A tibble: 57 x 3
     hwy   cty .pred
   <int> <int> <dbl>
 1    29    18  25.0
 2    31    20  27.7
 3    27    18  25.0
 4    26    18  25.0
 5    25    16  22.3
# ... with 47 more rows

开始建模！

在 R 中使用 tidymodels 建模