Funciones de Machine Learning

En el capítulo anterior, viste parte de la funcionalidad de transformación de características de Spark MLlib. Si esa librería fuese un menú, las transformaciones serían el entrante; ¡el plato principal es una suculenta selección de funciones de modelado de Machine Learning! Todas estas funciones empiezan por ml_ y comparten una firma similar. Aceptan varios argumentos, entre ellos un tibble, una fórmula que especifica la relación entre variables, una cadena con el nombre de las características, otra con las etiquetas y más.

Entre las funciones de Machine Learning compatibles se incluyen la regresión lineal y sus variantes, modelos basados en árboles (ml_decision_tree_classifier()) y algunas más. Puedes ver la lista de todas las funciones de Machine Learning usando ls().

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

¿Qué argumentos aceptan todas las funciones de modelos de Machine Learning?