Funkce pro Machine Learning

V předchozí kapitole jsi poznal/a část funkcionality pro transformaci příznaků v Spark MLlib. Kdybychom to přirovnali k jídlu, transformace příznaků by byly předkrmem – hlavním chodem je bohatý výběr modelovacích funkcí pro machine learning! Všechny tyto funkce mají název začínající na ml_ a sdílejí podobnou signaturu. Přijímají několik argumentů: tibble, vzorec definující vztah mezi proměnnými, řetězec pojmenovávající příznaky, řetězec se štítky a další.

Mezi podporované funkce pro machine learning patří lineární regrese a její varianty, stromové modely (ml_decision_tree_classifier()) a další. Celý seznam dostupných funkcí pro machine learning zobrazíš pomocí ls().

ls("package:sparklyr", pattern = "^ml")

Jaké argumenty mají společné všechny modelovací funkce pro machine learning?