将TidyModels进程映射到列表/分组依据或嵌套 [英] Map Tidymodels process to a list/group by or nest

问题描述

我真的很喜欢整洁模型，但我不清楚如何才能将该模型工作流适合嵌套的GROUP BY之类的东西。例如，tidyr在mtars的圆柱体之类的东西上勾勒出一个简单的巢，然后为每个圆柱体拟合一个独特的线性reg模型。我正在尝试基于类似圆柱体的东西来适应数百个独特的模型(可能是一个随机森林)，但使用的是tidyModels工作流(数据拆分、配方、预测)。

以下是tidyr页面上作为一个简单的Nest/Fit线性reg列出的内容：

mtcars_nested <- mtcars %>%
  group_by(cyl) %>%
  nest()

mtcars_nested <- mtcars_nested %>%
  mutate(model = map(data, function(df) lm(mpg ~ wt, data = df)))
mtcars_nested

有没有一种方法可以基于列中的GROUP_BY或NEST属性执行类似下面的操作？然后，如果可能，预测和/或精度将需要为每个预测组合并存储在一个数据帧中。我尝试将数据拆分为嵌套的数据帧，但不起作用。我觉得这是一个模糊的地图问题，但不清楚它是否是一些整洁的模型已经支持的东西：

library(tidymodels)
library(tidyverse)

#add dataset
mtcars <- mtcars

#create data splits
split <- initial_split(mtcars)
mtcars_train <- training(split)
mtcars_test <- testing(split)

#create recipe
mtcars_recipe <-
  recipe(mpg ~., data = mtcars_train) %>%
  step_normalize(all_predictors())

#define model
lm_mod <-
  linear_reg(mode = "regression") %>%
  set_engine("lm")

#create workflow that combines recipe & model
mtcars_workflow <-
  workflow() %>%
  add_model(lm_mod) %>%
  add_recipe(mtcars_recipe)

#fit workflow on train data
mtcars_fit <-
  fit(mtcars_workflow, data = mtcars_train)

#predict on test data
predictions <-
predict(mtcars_fit, mtcars_test) 

感谢帮助/建议/指导。

推荐答案

如果您愿意，您绝对可以这样做！我会设置一个函数来进行您需要的所有整理模型的拟合和预测，然后map()通过您的嵌套数据帧。

首先定义您在函数之外喜欢的任何内容，然后创建您的函数。

library(tidymodels)
#> ── Attaching packages ─────────────────────────────────────────── tidymodels 0.1.1 ──
#> ✓ broom     0.7.0      ✓ recipes   0.1.13
#> ✓ dials     0.0.8      ✓ rsample   0.0.7 
#> ✓ dplyr     1.0.0      ✓ tibble    3.0.3 
#> ✓ ggplot2   3.3.2      ✓ tidyr     1.1.0 
#> ✓ infer     0.5.3      ✓ tune      0.1.1 
#> ✓ modeldata 0.0.2      ✓ workflows 0.1.2 
#> ✓ parsnip   0.1.2      ✓ yardstick 0.0.7 
#> ✓ purrr     0.3.4
#> ── Conflicts ────────────────────────────────────────────── tidymodels_conflicts() ──
#> x purrr::discard() masks scales::discard()
#> x dplyr::filter()  masks stats::filter()
#> x dplyr::lag()     masks stats::lag()
#> x recipes::step()  masks stats::step()

## some example data to use
data("hpc_data")

hpc_data <- hpc_data %>%
  select(-protocol, -class)

lm_mod <-
  linear_reg(mode = "regression") %>%
  set_engine("lm")

wf <-
  workflow() %>%
  add_model(lm_mod)

## big function of model fitting and predicting
predict_hpc <- function(df) {
  split <- initial_split(df)
  train_df <- training(split)
  test_df <- testing(split)
  
  #create recipe
  recipe_train <-
    recipe(compounds ~., data = train_df) %>%
    step_normalize(all_predictors())
  
  #fit workflow on train data
  fit_wf <-
    wf %>%
    add_recipe(recipe_train) %>%
    fit(data = train_df)
  
  #predict on test data
  predict(fit_wf, test_df) 
  
}

现在您可以嵌套您的数据，然后使用函数map()覆盖这些嵌套的数据帧。最好使用像possibly()这样的purrr副词来很好地捕捉失败。

hpc_nested <- hpc_data %>%
  group_by(day) %>%
  nest()

hpc_nested %>%
  mutate(predictions = map(data, possibly(predict_hpc, otherwise = NA)))
#> Timing stopped at: 0.001 0 0.001
#> # A tibble: 7 x 3
#> # Groups:   day [7]
#>   day   data               predictions       
#>   <fct> <list>             <list>            
#> 1 Tue   <tibble [900 × 5]> <tibble [225 × 1]>
#> 2 Thu   <tibble [720 × 5]> <tibble [180 × 1]>
#> 3 Fri   <tibble [923 × 5]> <tibble [230 × 1]>
#> 4 Wed   <tibble [903 × 5]> <tibble [225 × 1]>
#> 5 Mon   <tibble [692 × 5]> <tibble [173 × 1]>
#> 6 Sat   <tibble [32 × 5]>  <lgl [1]>         
#> 7 Sun   <tibble [161 × 5]> <tibble [40 × 1]>

^{由reprex package(v0.3.0)}于2020-07-18创建

在这种情况下，星期六失败了，可能是因为星期六的数据太少了。

这篇关于将TidyModels进程映射到列表/分组依据或嵌套的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！