使用现有对象创建工作流集。简单工作流或具有类 "tune_results"
的对象列表可以转换为工作流集。
参数
- ...
-
一个或多个命名对象。名称应该是唯一的,并且对象应该至少具有以下类之一:
workflow
、iteration_results
、tune_results
、resample_results
或tune_race
。每个tune_results
元素还应包含原始工作流程(使用控制函数中的save_workflow
选项完成)。
注意
该软件包提供两个预生成的工作流程集 two_class_set
和 chi_features_set
,以及适合 two_class_res
和 chi_features_res
的相关模型集。
two_class_*
对象基于使用 modeldata 包中的 two_class_dat
数据的二元分类问题。这六个模型利用裸公式或基本配方,利用 recipes::step_YeoJohnson()
作为预处理器,以及决策树、逻辑回归或 MARS 模型规范。有关源代码,请参阅?two_class_set
。
chi_features_*
对象基于使用 modeldata 包中的 Chicago
数据的回归问题。这三个模型均采用线性回归模型规范,具有不同复杂性的三种不同配方。这些对象旨在近似 Kuhn 和 Johnson (2019) 第 1.3 节中构建的模型序列。有关源代码,请参阅?chi_features_set
。
例子
# ------------------------------------------------------------------------------
# Existing results
# Use the already worked example to show how to add tuned
# objects to a workflow set
two_class_res
#> # A workflow set/tibble: 6 × 4
#> wflow_id info option result
#> <chr> <list> <list> <list>
#> 1 none_cart <tibble [1 × 4]> <opts[3]> <tune[+]>
#> 2 none_glm <tibble [1 × 4]> <opts[3]> <rsmp[+]>
#> 3 none_mars <tibble [1 × 4]> <opts[3]> <tune[+]>
#> 4 yj_trans_cart <tibble [1 × 4]> <opts[3]> <tune[+]>
#> 5 yj_trans_glm <tibble [1 × 4]> <opts[3]> <rsmp[+]>
#> 6 yj_trans_mars <tibble [1 × 4]> <opts[3]> <tune[+]>
results <- two_class_res %>% purrr::pluck("result")
names(results) <- two_class_res$wflow_id
# These are all objects that have been resampled or tuned:
purrr::map_chr(results, ~ class(.x)[1])
#> none_cart none_glm none_mars
#> "tune_results" "resample_results" "tune_results"
#> yj_trans_cart yj_trans_glm yj_trans_mars
#> "tune_results" "resample_results" "tune_results"
# Use rlang's !!! operator to splice in the elements of the list
new_set <- as_workflow_set(!!!results)
# ------------------------------------------------------------------------------
# Make a set from unfit workflows
library(parsnip)
library(workflows)
lr_spec <- logistic_reg()
main_effects <-
workflow() %>%
add_model(lr_spec) %>%
add_formula(Class ~ .)
interactions <-
workflow() %>%
add_model(lr_spec) %>%
add_formula(Class ~ (.)^2)
as_workflow_set(main = main_effects, int = interactions)
#> # A workflow set/tibble: 2 × 4
#> wflow_id info option result
#> <chr> <list> <list> <list>
#> 1 main <tibble [1 × 4]> <opts[0]> <NULL>
#> 2 int <tibble [1 × 4]> <opts[0]> <NULL>
相关用法
- R workflowsets autoplot.workflow_set 绘制工作流程集的结果
- R workflowsets extract_workflow_set_result 提取工作流集的元素
- R workflowsets comment_add 为工作流程添加注释和评论
- R workflowsets option_add 添加和编辑工作流程集中保存的选项
- R workflowsets fit_best.workflow_set 将模型拟合到数值最优配置
- R workflowsets leave_var_out_formulas 创建没有每个预测变量的公式
- R workflowsets collect_metrics.workflow_set 获取并格式化通过调整工作流集函数生成的结果
- R workflowsets workflow_map 处理一系列工作流程
- R workflowsets option_list 制作一个分类的选项列表
- R workflowsets rank_results 按指标对结果进行排名
- R workflowsets workflow_set 从预处理和模型对象生成一组工作流对象
- R workflowsets pull_workflow_set_result 从工作流集中提取元素
- R workflowsets update_workflow_model 更新工作流集中的工作流组件
- R workflows add_model 将模型添加到工作流程
- R workflows workflow 创建工作流程
- R workflows extract-workflow 提取工作流程的元素
- R workflows add_variables 将变量添加到工作流程
- R workflows add_formula 将公式术语添加到工作流程
- R workflows predict-workflow 从工作流程进行预测
- R workflows augment.workflow 通过预测增强数据
- R workflows add_recipe 将配方添加到工作流程
- R workflows glance.workflow 工作流程模型一览
- R workflows is_trained_workflow 确定工作流程是否经过训练
- R workflows fit-workflow 适合工作流对象
- R workflows add_case_weights 将案例权重添加到工作流程
注:本文由纯净天空筛选整理自Max Kuhn等大神的英文原创作品 Convert existing objects to a workflow set。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。