R workflowsets autoplot.workflow_set 繪製工作流程集的結果

此 autoplot() 方法繪製已使用指標進行排名的性能指標。它還可以對各個結果運行autoplot()(根據wflow_id)。

用法

# S3 method for workflow_set
autoplot(
  object,
  rank_metric = NULL,
  metric = NULL,
  id = "workflow_set",
  select_best = FALSE,
  std_errs = qnorm(0.95),
  ...
)

參數

object

其元素有結果的 workflow_set。

rank_metric

應使用其指標對結果進行排名的字符串。如果未給出，則使用指標集中的第一個指標(通過 metric 選項過濾後)。

metric

要在可視化中包含其指標(rank_metric 除外)的字符向量。

id

用於繪製內容的字符串。如果使用值"workflow_set"，則對每個模型(和子模型)的結果進行排序並繪製。或者，可以給出工作流集的wflow_id 值，並對該工作流的結果執行autoplot() 方法。

select_best

邏輯性強；結果是否應該隻包含每個工作流程中數值最佳的子模型？

std_errs

要繪製的標準誤差數(如果存在標準誤差)。

...

傳遞給 autoplot() 的其他選項。

值

一個 ggplot 對象。

細節

此函數旨在生成默認繪圖，以可視化工作流集的所有可能應用程序中的有用信息。通過調用 rank_results() 並使用標準 ggplot2 代碼進行繪圖，可以創建更適合您的特定分析的繪圖。

x 軸是集合中的工作流程排名(值為 1 為最佳)與 y 軸上的性能指標。對於多個指標，每個指標都會有多個方麵。

如果使用多次重采樣，則會顯示每個結果的置信界限(默認情況下為 90% 置信度)。

注意

該軟件包提供兩個預生成的工作流程集 two_class_set 和 chi_features_set ，以及適合 two_class_res 和 chi_features_res 的相關模型集。

two_class_* 對象基於使用 modeldata 包中的 two_class_dat 數據的二元分類問題。這六個模型利用裸公式或基本配方，利用 recipes::step_YeoJohnson() 作為預處理器，以及決策樹、邏輯回歸或 MARS 模型規範。有關源代碼，請參閱?two_class_set。

chi_features_* 對象基於使用 modeldata 包中的 Chicago 數據的回歸問題。這三個模型均采用線性回歸模型規範，具有不同複雜性的三種不同配方。這些對象旨在近似 Kuhn 和 Johnson (2019) 第 1.3 節中構建的模型序列。有關源代碼，請參閱?chi_features_set。

例子

autoplot(two_class_res)

autoplot(two_class_res, select_best = TRUE)

autoplot(two_class_res, id = "yj_trans_cart", metric = "roc_auc")