tidymodels/parsnip

解決的問題

解決了不同 R 套件在實作相同機器學習模型時，介面不一致與參數名稱不統一的困擾。使用者無需為每個獨立的函式庫學習特定語法，而是可以使用單一、統一的介面，來試用各種模型與計算引擎。

工作原理

Parsnip 將模型定義與實際實作分離。使用者可分別定義模型類型（例如隨機森林）、模式（例如迴歸或分類）以及計算引擎（例如 ranger 或 spark）。它也統一參數名稱——例如在不同模型類型中一律使用 trees——讓相同參數能不受底層套件影響，以一致方式控制。

適用對象

希望在不重寫程式碼的情況下，切換不同機器學習實作的 R 使用者，包括資料科學家與分析師。

主要特色

• 支援多種機器學習模型的統一介面。
• 將模型定義與計算引擎分離。
• 統一不同套件與模型類型之間的參數名稱。
• 支援多種引擎，包括 R 原生套件與 Spark。