問題タブ [r-parsnip]

現在フレームワークを使用しており、ランダム フォレスト ( を使用) とブースト回帰ツリー ( を使用)tidymodelsのトレーニング済みモデルの出力の違いを理解するのに苦労しています。rangerxgboost

私の質問は使用に関するものですxgboost- 具体的には、トレーニングされている基礎となるモデルのトレーニングデータへの予測/適合にどのようにアクセスできますか(を使用せずにpredict)。

言いたいことを明確にするために、ランダム フォレスト モデルをフィッティングするときに、フィッティング モデル (rf_fit 以下の表現で) とトレーニング データに対するその予測を 2 つの方法で調べることができます。

• 使用predict() - 呼び出しpredict(rf_fit, cells, type = "prob"。(方法 1)。
• rf_fit直接 ( )から予測を取得するrf_fit$fit$predictions(方法 2)。

これらは、ここで明らかにされた理由により、異なる予測をもたらします。

この場合、rf_fit$fit$predictionsブーストされた回帰木と私のxgb_fitオブジェクトの (つまり方法 2) と同等のものに特に関心があります。私の質問は 2 つあります。

• xgb_fit トレーニング済みモデルからの予測はどこにありますか? rf_fit$fit$predictions（つまり、ランダムフォレストモデルで得られるものと同等のものはどこにありますか）？または、これらの予測を出力するには何を追加する必要がありますか?
• 上記が可能である場合、これらの予測をどのように解釈すればよいですか? それらは呼び出しとは異なりpredictますか？もしそうなら、それらは何を表しているのですか (アウトオブバッグの推定値は、ブーストされた回帰ツリーにとって自明ではありません)?

(基本的に、training_logloss反復 1000 でエラーを生成したモデルからの予測が必要ですxgb_fit$fit$evaluation_log)。

^{reprex パッケージ(v2.0.1)により 2021-10-05 に作成}

IDW 空間補間アルゴリズムを実装するために、parsnip パッケージから K 最近傍モデルを見つけました。他の種類の空間補間アルゴリズム (クリギング、スプラインなど) を実装するための tidymodels に R モデルはありますか? gstat パッケージの関数 "krige" と "smooth.spline" の使用は避けたいと思います。tidymodels を使用するとパラメーターの調整が容易になるためです。