Funções de machine learning

No último capítulo, você viu alguns dos recursos de transformação de atributos do Spark MLlib. Se essa biblioteca fosse uma refeição, as transformações de atributos seriam a entrada; o prato principal é uma seleção caprichada de funções de modelagem de machine learning! Essas funções têm nomes que começam com ml_ e seguem uma assinatura semelhante. Elas recebem vários argumentos, incluindo um tibble, uma fórmula que especifica a relação entre variáveis, uma string nomeando as features, uma string contendo os rótulos e mais.

As funções de machine learning compatíveis incluem regressão linear e suas variantes, modelos baseados em árvore (ml_decision_tree_classifier()) e algumas outras. Você pode ver a lista de todas as funções de machine learning usando ls().

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

Quais argumentos todas as funções de modelo de machine learning recebem?