在阅读这篇文章前，我强烈建议你先读一下tidymodels入门篇：tidymodels用于机器学习的细节，首先对tidymodels有一个整体的认知。
今天主要介绍workflow的用法。
workflow可以把你的数据预处理步骤和模型连接起来，形成一个整体，而不是完全分割开来的，在tidymodels中主要作用是连接parsnip和recipes产生的对象。
一个完整的workflow如下图所示：
数据预处理和模型选择是一个整体，workflow就是用来做这个工作。目前tidymodels强推workflow，建议以后大家使用的时候不管有没有预处理步骤，都使用workflow，因为统一的语法更好理解也好记忆。
使用workflow一个显而易见的优点是：不用事先对数据进行预处理，然后再建立模型，使用了workflow之后，它会自动帮你进行这一步，不需要先把数据预处理再建模！
以下是一个例子。
首先是不使用workflow的正常步骤。
# 加载R包和数据
library(recipes)
## Loading required package: dplyr
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
##
## Attaching package: 'recipes'
## The following object is masked from 'package:stats':
##
## step
library(parsnip)
library(workflows)
# 选择模型线性回归
lm_spec <- linear_reg() %>%
set_engine("lm")
# 进行数据预处理
spline_cars <- recipe(mpg ~ ., data = mtcars) %>%
step_ns(disp, deg_free = 10) %>%
prep()
spline_cars_prepped <- bake(spline_cars, new_data = NULL)
# 建立模型
lm_fit <- fit(lm_spec, mpg ~ ., data = spline_cars_prepped)
lm_fit
## parsnip model object
##
##
## Call:
## stats::lm(formula = mpg ~ ., data = data)
##
## Coefficients:
## (Intercept) cyl hp drat wt qsec
## 49.79343 -3.32384 -0.02585 -2.76818 -0.94294 0.21909
## vs am gear carb disp_ns_01 disp_ns_02
## -2.83931 -1.10330 2.82343 0.28715 -9.88877 -12.95031
## disp_ns_03 disp_ns_04 disp_ns_05 disp_ns_06 disp_ns_07 disp_ns_08
## -4.94989 -15.45945 0.04334 -6.69861 -3.37594 5.57955
## disp_ns_09 disp_ns_10
## -10.00476 -4.61704
然后是使用workflow的步骤。
# 选择模型线性回归
lm_spec <- linear_reg() %>%
set_engine("lm")
# 建立菜谱
spline_cars <- recipe(mpg ~ ., data = mtcars) %>%
step_ns(disp, deg_free = 10)
# 建立workflow
car_wflow <- workflow() %>%
add_recipe(spline_cars) %>%
add_model(lm_spec)
# 建立模型
car_wflow_fit <- car_wflow %>% fit(mtcars)
car_wflow_fit
## ══ Workflow [trained] ══════════════════════════════════════════════════════════
## Preprocessor: Recipe
## Model: linear_reg()
##
## ── Preprocessor ────────────────────────────────────────────────────────────────
## 1 Recipe Step
##
## • step_ns()
##
## ── Model ───────────────────────────────────────────────────────────────────────
##
## Call:
## stats::lm(formula = ..y ~ ., data = data)
##
## Coefficients:
## (Intercept) cyl hp drat wt qsec
## 49.79343 -3.32384 -0.02585 -2.76818 -0.94294 0.21909
## vs am gear carb disp_ns_01 disp_ns_02
## -2.83931 -1.10330 2.82343 0.28715 -9.88877 -12.95031
## disp_ns_03 disp_ns_04 disp_ns_05 disp_ns_06 disp_ns_07 disp_ns_08
## -4.94989 -15.45945 0.04334 -6.69861 -3.37594 5.57955
## disp_ns_09 disp_ns_10
## -10.00476 -4.61704
结果一模一样。
可以看到使用了workflow之后，就不再需要先把数据处理好了，数据预处理已经在你的workflow之中，当你在建立模型时，它会自动帮你先进行数据预处理再建模。
有多种方式构造workflow，但是一定要记住，add_model(xxxx)这一步是必须的！
它的基本使用如下：
car_wflow <- workflow() %>%
add_recipe(spline_cars) %>%
add_model(lm_spec)
如果你没有预处理步骤，也是可以使用的。
# 虽然建立了菜谱，但其实没有任何预处理
spline_cars <- recipe(mpg ~ ., data = mtcars)
# 依然可以建立workflow
car_wflow <- workflow() %>%
add_recipe(spline_cars) %>%
add_model(lm_spec)
car_wflow
## ══ Workflow ════════════════════════════════════════════════════════════════════
## Preprocessor: Recipe
## Model: linear_reg()
##
## ── Preprocessor ────────────────────────────────────────────────────────────────
## 0 Recipe Steps
##
## ── Model ───────────────────────────────────────────────────────────────────────
## Linear Regression Model Specification (regression)
##
## Computational engine: lm
但这种情况，你可以使用以下方式，可能更好理解：
# 方式1
car_wflow <- workflow() %>%
add_model(lm_spec) %>%
add_variables(outcomes = mpg, predictors = everything())
f1 <- car_wflow %>% fit(data = mtcars)
f1
## ══ Workflow [trained] ══════════════════════════════════════════════════════════
## Preprocessor: Variables
## Model: linear_reg()
##
## ── Preprocessor ────────────────────────────────────────────────────────────────
## Outcomes: mpg
## Predictors: everything()
##
## ── Model ───────────────────────────────────────────────────────────────────────
##
## Call:
## stats::lm(formula = ..y ~ ., data = data)
##
## Coefficients:
## (Intercept) cyl disp hp drat wt
## 12.30337 -0.11144 0.01334 -0.02148 0.78711 -3.71530
## qsec vs am gear carb
## 0.82104 0.31776 2.52023 0.65541 -0.19942
# 方式2
car_wflow <- workflow() %>%
add_model(lm_spec) %>%
add_formula(mpg ~ .)
f2 <- car_wflow %>% fit(data = mtcars)
f2
## ══ Workflow [trained] ══════════════════════════════════════════════════════════
## Preprocessor: Formula
## Model: linear_reg()
##
## ── Preprocessor ────────────────────────────────────────────────────────────────
## mpg ~ .
##
## ── Model ───────────────────────────────────────────────────────────────────────
##
## Call:
## stats::lm(formula = ..y ~ ., data = data)
##
## Coefficients:
## (Intercept) cyl disp hp drat wt
## 12.30337 -0.11144 0.01334 -0.02148 0.78711 -3.71530
## qsec vs am gear carb
## 0.82104 0.31776 2.52023 0.65541 -0.19942
两种方法得到的结果是一样的~
add_xxx的顺序并没有要求，只要别少了add_model(xxxx)这一步就可以！
如果你熟练以后也可以这样写：
tree_wf <- workflow(preprocessor = spline_cars,
spec = bayes_lm
)
## Error in workflow(preprocessor = spline_cars, spec = bayes_lm): object 'bayes_lm' not found
由于workflow中既包含了模型，也包含了数据预处理，所以你可能需要单独提取你想要的部分，它为你提供了非常多的函数，可以快速提取其中的内容，基本用法都是extract_xxxx()。
举几个例子，这些函数会在以后的推文中陆续使用到：
extract_spec_parsnip()
extract_recipe()
extract_fit_parsnip()
extract_fit_engine()
......
除此之外，你还可以移除、更新workflow：
remove_formula()
update_formula()
remove_model()
update_model()
remove_recipe()
update_recipe()
remove_variables()
update_variables()
以上就是workflow的使用，大家如果要用tiydmodels做机器学习，一定要学会这个东西，因为经常要用！
欢迎评论区留言或者加入QQ群交流。