R Academy · 课时

使用 parsnip 定义模型规格

Q: 「使用 parsnip 定义模型规格」这节课中我会学到什么？

独立于训练步骤指定模型类型和引擎 你通过在浏览器中直接运行的动手代码来练习 R Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

独立于训练步骤指定模型类型和引擎

使用 parsnip 定义模型规格 是 CoddyKit 上的免费 R Academy 课时。这是第 2 节课，共 4 节。你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。这是 R Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 R Academy 课程共包含 4 节课。

什么是 parsnip？

parsnip 为数百种模型引擎提供统一接口。您无需学习每个程序包各自的语法（glm()、randomForest()、e1071::svm()），只需编写一个一致的模型规格，并告知 parsnip 在底层使用哪个引擎。

这意味着您可以通过更改一个参数来切换引擎——例如，从 glm 切换到 stan 来进行贝叶斯逻辑回归。

library(parsnip)

# The same interface, different engines
logistic_reg() |> set_engine('glm')    # base R
logistic_reg() |> set_engine('glmnet') # regularized
logistic_reg() |> set_engine('stan')   # Bayesian

使用 logistic_reg() 进行分类

logistic_reg() 指定用于二元分类的逻辑回归模型。接着调用 set_engine('glm') 以使用 R 内置的 GLM 引擎，并调用 set_mode('classification') 明确声明任务类型。

对于同时支持两种任务的模型类型，必须指定模式（'classification' 或 'regression'）。

log_spec <- logistic_reg() |>
  set_engine('glm') |>
  set_mode('classification')

print(log_spec)
# Logistic Regression Model Specification (classification)
# Computational engine: glm

使用 tune() 调整 rand_forest()

rand_forest() 指定随机森林。mtry（每次分裂使用的特征数量）和 trees 等参数可以固定，也可以设为 tune()，作为超参数搜索的占位符。

传入 tune() 后，tidymodels 会在交叉验证调优期间搜索一组参数值。

rf_spec <- rand_forest(
  mtry  = tune(),
  trees = 500,
  min_n = tune()
) |>
  set_engine('ranger', importance = 'impurity') |>
  set_mode('classification')

print(rf_spec)

用于回归的 linear_reg()

linear_reg()用于指定线性回归模型。使用set_engine('lm')时采用普通最小二乘法，而使用set_engine('glmnet')则可通过惩罚和混合参数启用 L1/L2 正则化。

# OLS linear regression
lm_spec <- linear_reg() |>
  set_engine('lm')

# Ridge regression (penalty > 0, mixture = 0)
ridge_spec <- linear_reg(penalty = 0.01, mixture = 0) |>
  set_engine('glmnet')

# Lasso (penalty > 0, mixture = 1)
lasso_spec <- linear_reg(penalty = tune(), mixture = 1) |>
  set_engine('glmnet')

boost_tree() — 梯度提升

boost_tree()用于指定梯度提升树模型。您可以选择xgboost、lightgbm或C5.0引擎。可调参数包括tree_depth、learn_rate和loss_reduction。

xgb_spec <- boost_tree(
  trees      = 500,
  tree_depth = tune(),
  learn_rate = tune(),
  loss_reduction = tune()
) |>
  set_engine('xgboost') |>
  set_mode('classification')

print(xgb_spec)

fit() — 训练模型

fit(spec, formula, data)会在实际数据上训练模型规范。parsnip 会在内部将该规范转换为相应的引擎调用。结果是一个已拟合的 parsnip 模型对象。

lm_spec <- linear_reg() |> set_engine('lm')

# Fit the model on training data
lm_fit <- fit(lm_spec, mpg ~ wt + hp + cyl, data = mtcars)

# The fitted object wraps the engine result
print(lm_fit)

# Access the underlying lm object
extract_fit_engine(lm_fit)

fit_xy() — 矩阵接口

fit_xy(spec, x, y)是fit(spec, formula, data)的替代方式。它直接接受预测变量矩阵x和响应向量y；当您的数据已经预处理为数值矩阵时，这种方式非常有用（神经网络或 XGBoost 中很常见）。

x_train <- train_baked |> select(-price)
y_train <- train_baked$price

lm_spec <- linear_reg() |> set_engine('lm')

# Matrix-style fit
lm_fit_xy <- fit_xy(lm_spec, x = x_train, y = y_train)

print(lm_fit_xy)

translate() — 查看引擎代码

translate(spec)会准确显示 parsnip 针对指定引擎将在底层调用的内容。调试问题或了解 parsnip 规范如何映射到引擎原生接口时，这项功能非常有价值。

rf_spec <- rand_forest(mtry = 3, trees = 500) |>
  set_engine('ranger') |>
  set_mode('classification')

# See what ranger() call will be generated
translate(rf_spec)

# ranger::ranger(formula = ..., data = ...,
#   num.trees = 500, mtry = 3, ...)

在 parsnip 中使用 predict()

所有已拟合的 parsnip 模型都共享相同的predict()接口。在分类任务中，type = 'class'会返回预测类别，而type = 'prob'会返回各类别的概率。这种一致性是 parsnip 的主要优势之一。

log_fit <- fit(logistic_reg() |> set_engine('glm') |> set_mode('classification'),
               species ~ ., data = train_df)

# Predicted classes
predict(log_fit, new_data = test_df, type = 'class')

# Predicted probabilities
predict(log_fit, new_data = test_df, type = 'prob')

augment() — 将预测结果合并到数据中

augment(fitted_model, new_data)会直接将预测列追加到输入数据框中。这对于评估非常方便：结果会并排包含真实值和预测值，可以直接用于计算指标。

log_fit <- fit(
  logistic_reg() |> set_engine('glm') |> set_mode('classification'),
  species ~ ., data = train_df
)

# Get predictions joined to test data
results <- augment(log_fit, new_data = test_df)
head(results[, c('species', '.pred_class', '.pred_setosa')])

比较模型规范

parsnip 的主要优点之一是可以快速比较模型。您可以定义多个规范，在相同数据上分别拟合，然后比较指标。由于接口完全一致，切换模型时只需修改规范定义。

specs <- list(
  lm    = linear_reg() |> set_engine('lm'),
  ridge = linear_reg(penalty = 0.01, mixture = 0) |> set_engine('glmnet'),
  rf    = rand_forest(trees = 200) |> set_engine('ranger') |> set_mode('regression')
)

fits <- lapply(specs, fit, mpg ~ ., data = train_mtcars)

preds <- lapply(fits, predict, new_data = test_mtcars)

rmse_vals <- sapply(preds, function(p) {
  sqrt(mean((p$.pred - test_mtcars$mpg)^2))
})
print(rmse_vals)

快速检查

在 parsnip 中，translate(spec)会返回什么？

parsnip 回顾

使用 parsnip 定义模型规范的要点：

parsnip 提供统一接口：分别指定模型类型、引擎和模式。
set_engine()选择底层程序包；set_mode()选择分类或回归。
将tune()用作占位符，以便稍后搜索超参数。
fit(spec, formula, data)训练模型；fit_xy(spec, x, y)接受矩阵。
predict(fit, new_data, type)在所有引擎中都保持一致。
translate(spec)显示引擎调用，便于调试。
augment(fit, new_data)会将预测结果追加到数据框中。

# Parsnip model comparison template
spec <- rand_forest(trees = 500, mtry = tune()) |>
  set_engine('ranger', importance = 'impurity') |>
  set_mode('classification')

print(translate(spec))

# When mtry is fixed:
spec_fixed <- rand_forest(trees = 500, mtry = 5) |>
  set_engine('ranger') |>
  set_mode('classification')
fit_fixed <- fit(spec_fixed, label ~ ., data = train_df)

常见问题解答

「使用 parsnip 定义模型规格」课时是免费的吗？

是的 — 「使用 parsnip 定义模型规格」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 R Academy 课程的其余内容，请升级到 CoddyKit PRO。 R Academy 课程共包含 4 节课。

「使用 parsnip 定义模型规格」这节课中我会学到什么？

独立于训练步骤指定模型类型和引擎你通过在浏览器中直接运行的动手代码来练习 R Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 R Academy 需要有经验吗？

无需任何先前经验。CoddyKit 上的 R Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。这是第 2 节课，共 4 节。

「使用 parsnip 定义模型规格」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 R Academy 课中编写并运行代码吗？

能。每节 R Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

← 返回 R Academy