R workflowsets extract_workflow_set_result 提取工作流集的元素

这些函数从工作流集对象中提取各种元素。如果它们尚不存在，则会抛出错误。

extract_preprocessor() 返回用于预处理的公式、配方或变量表达式。
extract_spec_parsnip() 返回防风草模型规范。
extract_fit_parsnip() 返回防风草模型拟合对象。
extract_fit_engine() 返回嵌入防风草模型拟合中的引擎特定拟合。例如，当将 parsnip::linear_reg() 与 "lm" 引擎一起使用时，这将返回底层 lm 对象。
extract_mold() 返回从 hardhat::mold() 返回的预处理的 "mold" 对象。它包含有关预处理的信息，包括准备好的配方、公式术语对象或变量选择器。
extract_recipe() 返回配方。 estimated 参数指定是返回拟合配方还是原始配方。
extract_workflow_set_result() 返回特定工作流程的 workflow_map() 结果。
extract_workflow() 返回工作流对象。工作流程尚未估计。
extract_parameter_set_dials() 返回将用于适应工作流集所提供的行 id 的参数集。请注意，工作流集默认引用与 info 列中包含的 workflow 关联的参数集，但可以通过 option_add() 接口安装修改后的参数集。该提取器返回后者(如果存在)，如果不存在则返回前者，镜像workflow_map() 为调整函数提供参数集而遵循的过程。
extract_parameter_dials() 返回 parameters 对象，该对象将用于适应工作流集提供的行 id 中提供的调整 parameter。有关优先级，请参阅extract_parameter_set_dials() 中的上述注释。

用法

extract_workflow_set_result(x, id, ...)

# S3 method for workflow_set
extract_workflow(x, id, ...)

# S3 method for workflow_set
extract_spec_parsnip(x, id, ...)

# S3 method for workflow_set
extract_recipe(x, id, ..., estimated = TRUE)

# S3 method for workflow_set
extract_fit_parsnip(x, id, ...)

# S3 method for workflow_set
extract_fit_engine(x, id, ...)

# S3 method for workflow_set
extract_mold(x, id, ...)

# S3 method for workflow_set
extract_preprocessor(x, id, ...)

# S3 method for workflow_set
extract_parameter_set_dials(x, id, ...)

# S3 method for workflow_set
extract_parameter_dials(x, id, parameter, ...)

参数

x: workflow_set() 或 workflow_map() 输出的工作流程集。
id: 工作流 ID 的单个字符串。
...: 其他选项(当前未使用)。
estimated: 是否应返回原始(不适合)配方或适合配方的逻辑。
parameter: 参数 ID 的单个字符串。

值

从对象 x 中提取的值，如说明部分所述。

细节

这些函数取代 pull_*() 函数(例如 extract_workflow_set_result() )。

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

library(tune)

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[+]>

extract_workflow_set_result(two_class_res, "none_cart")
#> # Tuning results
#> # 5-fold cross-validation 
#> # A tibble: 5 × 4
#>   splits            id    .metrics          .notes          
#>   <list>            <chr> <list>            <list>          
#> 1 <split [632/159]> Fold1 <tibble [20 × 6]> <tibble [0 × 1]>
#> 2 <split [633/158]> Fold2 <tibble [20 × 6]> <tibble [0 × 1]>
#> 3 <split [633/158]> Fold3 <tibble [20 × 6]> <tibble [0 × 1]>
#> 4 <split [633/158]> Fold4 <tibble [20 × 6]> <tibble [0 × 1]>
#> 5 <split [633/158]> Fold5 <tibble [20 × 6]> <tibble [0 × 1]>

extract_workflow(two_class_res, "none_cart")
#> ══ Workflow ══════════════════════════════════════════════════════════════
#> Preprocessor: Formula
#> Model: decision_tree()
#> 
#> ── Preprocessor ──────────────────────────────────────────────────────────
#> Class ~ A + B
#> 
#> ── Model ─────────────────────────────────────────────────────────────────
#> Decision Tree Model Specification (classification)
#> 
#> Main Arguments:
#>   cost_complexity = tune()
#>   min_n = tune()
#> 
#> Computational engine: rpart 
#>

源代码：R/extract.R

相关用法

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 Extract elements of workflow sets。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。