workflow 是一个容器对象，它聚合模型拟合和预测所需的信息。此信息可能是预处理中使用的配方(通过 add_recipe() 指定)，或者是要拟合的模型规范(通过 add_model() 指定)。
preprocessor 和 spec 参数允许您快速将组件添加到工作流程，而无需执行 add_*() 函数，例如 add_recipe() 或 add_model() 。但是，如果您需要控制这些函数的任何可选参数，例如 blueprint 或模型 formula ，那么您应该直接使用 add_*() 函数。
参数
- preprocessor
-
添加到工作流程的可选预处理器。之一：
-
一个公式，传递给
add_formula()。 -
一个配方，传递给
add_recipe()。 -
workflow_variables()对象，传递给add_variables()。
-
- spec
-
添加到工作流程中的可选防风草模型规范。传递给
add_model()。
指标变量详细信息
当您使用模型公式时，R 中的某些建模函数会根据分类数据创建指标/虚拟变量，而有些则不会。当您使用 workflow() 指定并拟合模型时，防风草和工作流程会匹配并重现用户指定模型的计算引擎的基础行为。
公式预处理器
在房地产价格modeldata::Sacramento数据集中，type变量具有三个级别："Residential"、"Condo"和"Multi-Family"。此基础 workflow() 包含通过 add_formula() 添加的公式，用于根据房产类型、平方英尺、床位数量和浴室数量预测房产价格：
set.seed(123)
library(parsnip)
library(recipes)
library(workflows)
library(modeldata)
data("Sacramento")
base_wf <- workflow() %>%
add_formula(price ~ type + sqft + beds + baths)第一个模型确实创建了虚拟/指标变量：
lm_spec <- linear_reg() %>%
set_engine("lm")
base_wf %>%
add_model(lm_spec) %>%
fit(Sacramento)## == Workflow [trained] ================================================
## Preprocessor: Formula
## Model: linear_reg()
##
## -- Preprocessor ------------------------------------------------------
## price ~ type + sqft + beds + baths
##
## -- Model -------------------------------------------------------------
##
## Call:
## stats::lm(formula = ..y ~ ., data = data)
##
## Coefficients:
## (Intercept) typeMulti_Family typeResidential
## 32919.4 -21995.8 33688.6
## sqft beds baths
## 156.2 -29788.0 8730.0此 OLS 线性回归的拟合模型中有五个自变量。使用此模型类型和引擎，房地产的因子预测变量 type 转换为两个二元预测变量 typeMulti_Family 和 typeResidential 。 (第三种类型，对于公寓，不需要自己的列，因为它是基线水平)。
第二个模型不创建虚拟/指标变量：
rf_spec <- rand_forest() %>%
set_mode("regression") %>%
set_engine("ranger")
base_wf %>%
add_model(rf_spec) %>%
fit(Sacramento)## == Workflow [trained] ================================================
## Preprocessor: Formula
## Model: rand_forest()
##
## -- Preprocessor ------------------------------------------------------
## price ~ type + sqft + beds + baths
##
## -- Model -------------------------------------------------------------
## Ranger result
##
## Call:
## ranger::ranger(x = maybe_data_frame(x), y = y, num.threads = 1, verbose = FALSE, seed = sample.int(10^5, 1))
##
## Type: Regression
## Number of trees: 500
## Sample size: 932
## Number of independent variables: 4
## Mtry: 2
## Target node size: 5
## Variable importance mode: none
## Splitrule: variance
## OOB prediction error (MSE): 7058847504
## R squared (OOB): 0.5894647请注意，该护林员随机森林的拟合模型中有四个自变量。使用此模型类型和引擎，不会为正在出售的房地产的 type 创建指示变量。基于树的模型(例如随机森林模型)可以直接处理因子预测变量，并且不需要任何到数字二进制变量的转换。
配方预处理器
当您通过 workflow() 指定模型并通过 add_recipe() 指定配方预处理器时，配方控制是否创建虚拟变量；该配方会覆盖模型计算引擎的任何底层行为。
例子
library(parsnip)
library(recipes)
library(magrittr)
library(modeldata)
data("attrition")
model <- logistic_reg() %>%
set_engine("glm")
formula <- Attrition ~ BusinessTravel + YearsSinceLastPromotion + OverTime
wf_formula <- workflow(formula, model)
fit(wf_formula, attrition)
#> ══ Workflow [trained] ════════════════════════════════════════════════════
#> Preprocessor: Formula
#> Model: logistic_reg()
#>
#> ── Preprocessor ──────────────────────────────────────────────────────────
#> Attrition ~ BusinessTravel + YearsSinceLastPromotion + OverTime
#>
#> ── Model ─────────────────────────────────────────────────────────────────
#>
#> Call: stats::glm(formula = ..y ~ ., family = stats::binomial, data = data)
#>
#> Coefficients:
#> (Intercept) BusinessTravelTravel_Frequently
#> -2.82571 1.29473
#> BusinessTravelTravel_Rarely YearsSinceLastPromotion
#> 0.64727 -0.03092
#> OverTimeYes
#> 1.31904
#>
#> Degrees of Freedom: 1469 Total (i.e. Null); 1465 Residual
#> Null Deviance: 1299
#> Residual Deviance: 1194 AIC: 1204
recipe <- recipe(Attrition ~ ., attrition) %>%
step_dummy(all_nominal(), -Attrition) %>%
step_corr(all_predictors(), threshold = 0.8)
wf_recipe <- workflow(recipe, model)
fit(wf_recipe, attrition)
#> ══ Workflow [trained] ════════════════════════════════════════════════════
#> Preprocessor: Recipe
#> Model: logistic_reg()
#>
#> ── Preprocessor ──────────────────────────────────────────────────────────
#> 2 Recipe Steps
#>
#> • step_dummy()
#> • step_corr()
#>
#> ── Model ─────────────────────────────────────────────────────────────────
#>
#> Call: stats::glm(formula = ..y ~ ., family = stats::binomial, data = data)
#>
#> Coefficients:
#> (Intercept) Age
#> -2.535e+00 -3.131e-02
#> DailyRate DistanceFromHome
#> -3.126e-04 4.927e-02
#> HourlyRate MonthlyIncome
#> 2.762e-03 1.127e-06
#> MonthlyRate NumCompaniesWorked
#> 1.663e-06 1.956e-01
#> PercentSalaryHike StockOptionLevel
#> -2.495e-02 -1.968e-01
#> TotalWorkingYears TrainingTimesLastYear
#> -6.820e-02 -1.863e-01
#> YearsAtCompany YearsInCurrentRole
#> 8.916e-02 -1.371e-01
#> YearsSinceLastPromotion YearsWithCurrManager
#> 1.849e-01 -1.516e-01
#> BusinessTravel_Travel_Frequently BusinessTravel_Travel_Rarely
#> 1.940e+00 1.080e+00
#> Education_1 Education_2
#> -1.391e-01 -2.753e-01
#> Education_3 Education_4
#> -7.324e-02 3.858e-02
#> EducationField_Life_Sciences EducationField_Marketing
#> -6.939e-01 -2.212e-01
#> EducationField_Medical EducationField_Other
#> -7.210e-01 -6.755e-01
#> EducationField_Technical_Degree EnvironmentSatisfaction_1
#> 2.936e-01 -9.501e-01
#> EnvironmentSatisfaction_2 EnvironmentSatisfaction_3
#> 4.383e-01 -2.491e-01
#> Gender_Male JobInvolvement_1
#> 4.243e-01 -1.474e+00
#> JobInvolvement_2 JobInvolvement_3
#> 2.297e-01 -2.855e-01
#> JobRole_Human_Resources JobRole_Laboratory_Technician
#> 1.441e+00 1.549e+00
#> JobRole_Manager JobRole_Manufacturing_Director
#> 1.900e-01 3.726e-01
#> JobRole_Research_Director JobRole_Research_Scientist
#> -9.581e-01 6.055e-01
#> JobRole_Sales_Executive JobRole_Sales_Representative
#> 1.056e+00 2.149e+00
#> JobSatisfaction_1 JobSatisfaction_2
#> -9.446e-01 -8.929e-03
#> JobSatisfaction_3 MaritalStatus_Married
#> -2.860e-01 3.135e-01
#>
#> ...
#> and 14 more lines.
variables <- workflow_variables(
Attrition,
c(BusinessTravel, YearsSinceLastPromotion, OverTime)
)
wf_variables <- workflow(variables, model)
fit(wf_variables, attrition)
#> ══ Workflow [trained] ════════════════════════════════════════════════════
#> Preprocessor: Variables
#> Model: logistic_reg()
#>
#> ── Preprocessor ──────────────────────────────────────────────────────────
#> Outcomes: Attrition
#> Predictors: c(BusinessTravel, YearsSinceLastPromotion, OverTime)
#>
#> ── Model ─────────────────────────────────────────────────────────────────
#>
#> Call: stats::glm(formula = ..y ~ ., family = stats::binomial, data = data)
#>
#> Coefficients:
#> (Intercept) BusinessTravelTravel_Frequently
#> -2.82571 1.29473
#> BusinessTravelTravel_Rarely YearsSinceLastPromotion
#> 0.64727 -0.03092
#> OverTimeYes
#> 1.31904
#>
#> Degrees of Freedom: 1469 Total (i.e. Null); 1465 Residual
#> Null Deviance: 1299
#> Residual Deviance: 1194 AIC: 1204
相关用法
- R workflows add_model 将模型添加到工作流程
- 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
- R workflows control_workflow 工作流的控制对象
- 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 as_workflow_set 将现有对象转换为工作流集
- 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 autoplot.workflow_set 绘制工作流程集的结果
注：本文由纯净天空筛选整理自Davis Vaughan等大神的英文原创作品 Create a workflow。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。