从 tidymodel 对象中提取普通模型

Question

是否可以从使用 recipe 和 logistic_reg() %>% set_engine("glm") 构建的 tidymodel 中提取 class glm 的模型？

我想使用 easystats 项目中的包，它需要“正常”、不整齐的模型。工作流提取器函数 (pull_workflow_fit()) returns class `"_glm" "model_fit" 的对象，似乎不兼容。

我知道我可以使用 glm() 和与 recipe 中相同的公式生成模型，但在我看来拟合参数不同。谢谢！

Answer 1

您可以使用 $fit.

从欧洲防风草对象中提取底层模型对象（无论是由 glm 或 ranger 或 keras 或任何东西创建的）

library(tidymodels)

data(two_class_dat)

glm_spec <- logistic_reg() %>%
  set_engine("glm") 

norm_rec <- recipe(Class ~ A + B, data = two_class_dat) %>%
  step_normalize(all_predictors())

glm_fit <- workflow() %>%
  add_recipe(norm_rec) %>%
  add_model(glm_spec) %>%
  fit(two_class_dat) %>%
  pull_workflow_fit()

那个合适的物体里有什么？

## this is a parsnip object
glm_fit
#> parsnip model object
#> 
#> Fit time:  5ms 
#> 
#> Call:  stats::glm(formula = ..y ~ ., family = stats::binomial, data = data)
#> 
#> Coefficients:
#> (Intercept)            A            B  
#>     -0.3491      -1.1063       2.7966  
#> 
#> Degrees of Freedom: 790 Total (i.e. Null);  788 Residual
#> Null Deviance:       1088 
#> Residual Deviance: 673.9     AIC: 679.9

## this is a glm object
glm_fit$fit
#> 
#> Call:  stats::glm(formula = ..y ~ ., family = stats::binomial, data = data)
#> 
#> Coefficients:
#> (Intercept)            A            B  
#>     -0.3491      -1.1063       2.7966  
#> 
#> Degrees of Freedom: 790 Total (i.e. Null);  788 Residual
#> Null Deviance:       1088 
#> Residual Deviance: 673.9     AIC: 679.9

^{由 reprex package (v1.0.0)}

于 2021-02-04 创建

拟合出来的参数肯定和直接调用模型没有区别。如果您认为您找到了不同的拟合参数，那么您调用模型的方式可能会出错。

Answer 2

自上次更新后 easystats package suite 支持 tidymodels：

library(tidymodels)

data(two_class_dat)

glm_spec <- logistic_reg() %>%
  set_engine("glm") 

norm_rec <- recipe(Class ~ A + B, data = two_class_dat) %>%
  step_normalize(all_predictors())

workflow() %>%
  add_recipe(norm_rec) %>%
  add_model(glm_spec) %>%
  fit(two_class_dat) %>%
  pull_workflow_fit() %>% 
  parameters::model_parameters()
#> Parameter   | Log-Odds |   SE |         95% CI |     z |      p
#> ---------------------------------------------------------------
#> (Intercept) |    -0.35 | 0.10 | [-0.54, -0.16] | -3.55 | < .001
#> A           |    -1.11 | 0.17 | [-1.44, -0.79] | -6.64 | < .001
#> B           |     2.80 | 0.21 | [ 2.40,  3.22] | 13.33 | < .001


workflow() %>%
  add_recipe(norm_rec) %>%
  add_model(glm_spec) %>%
  fit(two_class_dat) %>%
  pull_workflow_fit() %>% 
  parameters::model_parameters() %>% 
  plot()



workflow() %>%
  add_recipe(norm_rec) %>%
  add_model(glm_spec) %>%
  fit(two_class_dat) %>%
  pull_workflow_fit() %>% 
  parameters::model_parameters() %>% 
  parameters::print_md()

Parameter	Log-Odds	SE	95% CI	z	p
(Intercept)	-0.35	0.10	(-0.54, -0.16)	-3.55	< .001
A	-1.11	0.17	(-1.44, -0.79)	-6.64	< .001
B	2.80	0.21	(2.40, 3.22)	13.33	< .001



workflow() %>%
  add_recipe(norm_rec) %>%
  add_model(glm_spec) %>%
  fit(two_class_dat) %>%
  pull_workflow_fit() %>% 
  performance::model_performance()
#> # Indices of model performance
#> 
#> AIC     |     BIC | Tjur's R2 |  RMSE | Sigma | Log_loss | Score_log | Score_spherical |   PCP
#> ----------------------------------------------------------------------------------------------
#> 679.950 | 693.970 |     0.460 | 0.362 | 0.925 |    0.426 |      -Inf |           0.003 | 0.733

^{由 reprex package (v2.0.0)}

于 2021-04-25 创建

从 tidymodel 对象中提取普通模型

Extract plain model from tidymodel object

r

tidymodels