Algunas opiniones pueden ser compartidas, otros paquetes de modelado pueden usar el mismo enfoque para replicar un flujo de trabajo. El paquete {discrim}2 añade un nuevo arsenal de modelos matemáticos a nuestras herramientas/portafolio.
discrim_flexible()%>% - Modelo matemático (o el cuerpo del carro).
set_engine("earth") - El paquete que queremos usar para aproximar nuestro análisis.
# devtools::install_github("tidymodels/discrim") # para instalar# cargar el paquetelibrary(discrim)# crear datos artificialesparabolic_grid <-expand.grid(X1 =seq(-5, 5, length =100),X2 =seq(-5, 5, length =100))# ajustar el modelo usando discrimfda_mod <- parsnip::discrim_flexible(num_terms =3) %>% parsnip::set_engine("earth") %>% parsnip::fit(class ~ ., data = discrim::parabolic)# asignar las predicciones al data frameparabolic_grid$fda <-predict(fda_mod, parabolic_grid, type ="prob")$.pred_Class1# graficar las prediccionesggplot2::ggplot(discrim::parabolic, ggplot2::aes(x = X1, y = X2)) + ggplot2::geom_point(ggplot2::aes(col = class), alpha = .5) + ggplot2::geom_contour(data = parabolic_grid, aes(z = fda), col ="black", breaks = .5) + ggplot2::theme_bw() + ggplot2::theme(legend.position ="top") + ggplot2::coord_equal()