перед классическими функциям R?
Я начинаю его изучать, и мне пока не кажутся очевидными преимущества разбиения обучения на спецификации в tidymodels:
lm_mod <-
linear_reg() %>%
set_engine("lm")
lm_fit <-
lm_mod %>%
fit(width ~ initial_volume * food_regime, data = urchins)
перед привычным:
lm_fit_base <- lm(width ~ initial_volume * food_regime, data = urchins)
И это ещё без создания recipe() и прогонкой через workflow().
В общем, если используете tidymodels поделитесь мнением, чем он хорош?
Хорош тем, что это фреймворк для ML. Для обучения отдельно взятой модели без подбора гиперпараметров и кроссвалидации перед вызовом отдельной функции из базового R или из пакета типа xgboost преимуществ нет
Понятно, спасибо. Осознаю все плюшки как дойду до реальной задачи.
Обсуждают сегодня