tidymodels/recipes

解决的问题

它提供了一种标准化、可管道化的方式来执行机器学习模型的特征工程与数据预处理，克服了传统 R 语言公式方法在创建设计矩阵时的局限性。

工作原理

用户使用一系列步骤（例如 step_normalize）定义一个“配方”，以指定预测变量和结果变量应如何转换。这些步骤将被应用于数据，以准备进行建模或可视化。

适用人群

使用 R 语言且需要结构化方法来为机器学习准备数据的数据科学家与分析师。

亮点

• 使用类似 dplyr 的语法来实现可管道化的步骤序列。
• 传统 R 语言公式和 model.matrix 在创建设计矩阵时的替代方案。
• 与更广泛的 tidymodels 生态系统集成。