

Araz Rawshani
Forum Replies Created
-
Det finns tre sätt att spara objekt i R.
1. Spara hela din workspace. När du startar om R laddar du sedan din workspace i samma meny. Klicka här för instruktioner.
2. Använd funktionen save() och load().
Exempel:
# Spara objektet save(my_object, file="my_objekt.Rda") # Ladda objektet
load("my_objekt.Rda")Nackdelen med save() och load() är att när filerna laddas så kommer de skapas med deras ursprungliga namn, vilket kan innebär att de skriver över existerande objekt i din workspace.
3. Använd funktionen saveRDS() och readRDS().
Med readRDS() skriver du inte över existerande objekt, utan du specificerar objektets namn, enligt följande:
# Spara objektet saveRDS(my_object, file="my_objekt.Rda")
# Ladda och välj namn på objektet.
my_object <- readRDS(file="my_objekt.Rda") -
Du kan ändra tema med följande menval:
Tools -> Global Options -> Appearance och där välja tema under Editor theme.
Alternativet är att du installerar ett tema som är en kopia av VS Code genom följande kommandon:
install.packages("remotes") remotes::install_github("anthonynorth/rscodeio") rscodeio::install_theme()
Då borde ett mörkt tema aktiveras direkt i Rstudio. Du kan läsa mer om det här: https://github.com/anthonynorth/rscodeio
-
I R finns flera stora paket som inbegriper ”alla verktyg” för att skapa prediktionsmodeller och utvärdera dem. De stora ramverken är listade här nedan och de inkluderar både traditionella regressionsmodeller och mer moderna ramverk som neuronnät och ensemble metoder inom machine learning. Det mesta ska finnas.
1. Tidymodels
Tidymodels är sannolikt det mest sofistikerade verktyget för att skapa modeller med R. Det är också det ramverket som mest resurser investeras i för att utveckla.
1. CARET
CARET är skapat av Max Kuhn, som ingår i Rstudio’s team. CARET är mycket bra för att skapa modeller och gör allt ifrån pre-processing till kalibrering och validering. Utvecklaren bakom CARET har övergått till att utveckla Tidymodels istället.
2. MLR3 och MLR3proba
MLR är likaledes ett stort paket som inbegriper en lång rad prediktionsmodeller och ett relativt innovativt sätt för att skapa modellerna. Med mlr definierar du en uppgift (modelling task) som du vill studera och sen tillämpar du alla möjliga modeller på den uppgiften för att utvärdera därefter. Mlr3proba, till skillnad från CARET, innehåller dessutom överlevnadsanalys (survival analysis).
3. H2O
H2O är som ovanstående men mer inriktat på big data.