使用 tidymodels 验证模型假设

【问题标题】：Verify model assumptions with tidymodels使用 tidymodels 验证模型假设
【发布时间】：2021-09-06 12:19:06
【问题描述】：

在 tidymodels 领域之外，很容易验证模型假设。例如，对于线性回归（函数 lm），包 performance 创建可理解的图形和简单的函数（check_heteroscedasticity()）来验证假设线性回归模型：

残差的正态性
残差的独立性
残差的同质性
变量的非共线性。

在 tidymodels 宇宙中是否有等效包来验证模型的假设？ Tidymodels 包创建 parnsnip 对象，所以像 performance 这样的旧模型评估包是没用的。

感谢您的帮助

【问题讨论】：

我会说infer 就是为此目的而设计的；看看hypothesise 函数。
请注意，您的术语并不“正确”，即您不想检查您的假设，您想检查您的模型假设 (！)。

标签： r tidymodels

【解决方案1】：

您使用 {parsnip} 或其他 {tidymodels} 获得的拟合模型将包含您使用的任何引擎的基础拟合模型。

有时，适合的欧洲防风草对象将直接与您正在使用的功能一起使用。 {performance} 中的 check_model() 函数就是这种情况。

library(tidymodels)
library(performance)

lm_spec <- linear_reg() %>%
  set_mode("regression") %>%
  set_engine("lm")

lm_fit <- fit(lm_spec, mpg ~ ., data = mtcars)

lm_fit %>%
  check_model()

其他时候你会得到一个错误，因为函数不知道如何处理model_fit 对象。您可以使用extract_fit_engine()，它将提取引擎产生的拟合，然后可以与check_heteroscedasticity()一起使用。

lm_fit %>% 
  extract_fit_engine() %>%
  check_heteroscedasticity()
#> OK: Error variance appears to be homoscedastic (p = 0.188).

^{由reprex package (v2.0.1) 于 2021-09-06 创建}

【讨论】：