tidymodels/recipes

解決的問題

它提供了一種標準化、可管線化的方式來執行機器學習模型的特徵工程與資料預處理，克服了傳統 R 語言公式方法在建立設計矩陣時的限制。

運作方式

使用者使用一系列步驟（例如 step_normalize）定義一個「配方」，以指定預測變數與結果變數應如何轉換。這些步驟會被套用至資料，以準備進行模型建構或視覺化。

適用對象

使用 R 語言且需要結構化方法來為機器學習準備資料的資料科學家與分析師。

亮點

• 使用類似 dplyr 的語法來進行可管線化的步驟序列。
• 傳統 R 語言公式與 model.matrix 在建立設計矩陣時的替代方案。
• 與更廣泛的 tidymodels 生態系統整合。