आप इस फ़ंक्शन का उपयोग यह पता लगाने के लिए कर सकते हैं कि कौन से मॉडल फिट फ़ंक्शन में .matrix के रूप में उपयोग कर रहे हैं।
सावधान रहें कि .मैट्रिक्स एक पूर्ण उड़ा मैट्रिक्स में एक स्पैर मैट्रिक्स बदल देता है। आप स्मृति मुद्दों में भाग सकते हैं। मैंने परीक्षण नहीं किया है अगर व्यक्ति अंतर्निहित मॉडल एक स्पैर मैट्रिक्स स्वीकार करते हैं।
library(caret) # run on version 6.0-71
model_list <- getModelInfo()
df <- data.frame(models = names(model_list),
fit = rep("", length(model_list)),
stringsAsFactors = FALSE)
for (i in 1:length(model_list)) {
df$fit[i] <- as.expression(functionBody(model_list[[i]]$fit))
}
# find xgboost matrix
df$models[grep("xgb.DMatrix", df$fit)]
[1] "xgbLinear" "xgbTree"
# find all models where fit contains as.matrix(x)
df$models[grep("as.matrix\\(x\\)", df$fit)]
[1] "bdk" "binda" "blasso" "blassoAveraged" "bridge" "brnn"
[7] "dnn" "dwdLinear" "dwdPoly" "dwdRadial" "enet" "enpls.fs"
[13] "enpls" "foba" "gaussprLinear" "gaussprPoly" "gaussprRadial" "glmnet"
[19] "knn" "lars" "lars2" "lasso" "logicBag" "LogitBoost"
[25] "lssvmLinear" "lssvmPoly" "lssvmRadial" "mlpSGD" "nnls" "ordinalNet"
[31] "ORFlog" "ORFpls" "ORFridge" "ORFsvm" "ownn" "PenalizedLDA"
[37] "ppr" "qrnn" "randomGLM" "relaxo" "ridge" "rocc"
[43] "rqlasso" "rqnc" "rvmLinear" "rvmPoly" "rvmRadial" "sda"
[49] "sddaLDA" "sddaQDA" "sdwd" "snn" "spikeslab" "svmLinear"
[55] "svmLinear2" "svmLinear3" "svmLinearWeights" "svmLinearWeights2" "svmPoly" "svmRadial"
[61] "svmRadialCost" "svmRadialSigma" "svmRadialWeights" "xgbLinear" "xgbTree" "xyf"
धन्यवाद। यह मेरे प्रश्न का उत्तर देता है। लेकिन .matrix प्रकार का उपयोग स्पैर मैट्रिक्स का उपयोग करने के उद्देश्य को हरा देता है। –