Могут ли стеки tidymodels охватить модели с разными функциями и отсутствующими значениями? - PullRequest
Новая
       82

Могут ли стеки tidymodels охватить модели с разными функциями и отсутствующими значениями?

0 голосов
/ 01 августа 2020

Я пробовал запустить этот рабочий процесс tidymodels, чтобы посмотреть, смогу ли я объединить две модели с разными функциями и отсутствующими значениями. Возможность комбинировать разные источники данных для моделирования одних и тех же результатов была бы очень удобна для реальных данных, но пока не уверен, возможно ли это со стеками tidymodels. Что-то явно не так с этим рабочим процессом для сбоев стека? 

library(tidyverse)
library(tidymodels)
library(workflows)
library(probably)
library(tune)
library(stacks)

set.seed(1234)

mtcars_tb <- mtcars %>% 
             as_tibble() %>% 
             mutate(vs = c(sample(vs, 0), rep(NA_integer_, 10), sample(vs, 22)),
             disp = c(sample(disp, 22), rep(NA_integer_, 10)))

train_test_split <- initial_split(mtcars_tb)

train <- training(train_test_split)

test <- testing(train_test_split)

cv_fold_mtc <- vfold_cv(mtcars_tb)

recipe_naomit <- recipe(mpg ~ disp + vs, data = train) %>% 
  step_naomit(all_predictors(), skip = TRUE) %>%
  step_normalize(all_numeric()) 

ctrl_grid <- control_stack_grid()
ctrl_res <- control_stack_resamples()


wflow <- workflow() %>% 
  add_recipe(recipe_naomit)


lasso_mod <- 
  linear_reg() %>%
  set_engine("glmnet") %>% 
  set_args(penalty = tune(),
           mixture = 1)

wflow <-
  wflow %>%
  add_model(lasso_mod)


lasso_tune <- 
  tune_grid(
    object = wflow, 
    resamples = cv_fold_mtc, 
    grid = 10,
    control = ctrl_grid
  )

recipe_rm_vs <- recipe(mpg ~ disp, data = train) %>% 
  step_naomit(all_predictors(), skip = TRUE) %>%
  step_normalize(all_numeric()) 

wflow <- wflow %>% 
  update_recipe(recipe_rm_vs)


linear_mod <- 
  linear_reg() %>%
  set_engine("lm") 

wflow <-
  wflow %>%
  update_model(linear_mod)


linear_tune_disp <- fit_resamples(
  wflow,
  resamples = cv_fold_mtc,
  control = ctrl_res
)

 model_st <- stacks() %>%
  stack_add(lasso_tune) %>%
  stack_add(linear_tune_disp) %>% 
  stack_blend() %>% 
  stack_fit()
#> Warning: Values are not uniquely identified; output will contain list-cols.
#> * Use `values_fn = list` to suppress this warning.
#> * Use `values_fn = length` to identify where the duplicates arise
#> * Use `values_fn = {summary_fun}` to summarise duplicates
#> x Fold01: formula: Error in model.frame.default(formula, data = data): invalid typ...
#> x Fold02: formula: Error in model.frame.default(formula, data = data): invalid typ...
#> x Fold03: formula: Error in model.frame.default(formula, data = data): invalid typ...
#> x Fold04: formula: Error in model.frame.default(formula, data = data): invalid typ...
#> x Fold05: formula: Error in model.frame.default(formula, data = data): invalid typ...
#> x Fold06: formula: Error in model.frame.default(formula, data = data): invalid typ...
#> x Fold07: formula: Error in model.frame.default(formula, data = data): invalid typ...
#> x Fold08: formula: Error in model.frame.default(formula, data = data): invalid typ...
#> x Fold09: formula: Error in model.frame.default(formula, data = data): invalid typ...
#> x Fold10: formula: Error in model.frame.default(formula, data = data): invalid typ...
#> Warning: All models failed in tune_grid(). See the `.notes` column.
#> Error: All of the models failed. See the .notes column.

 model_st
#> Error in eval(expr, envir, enclos): object 'model_st' not found

1 Ответ

0 голосов
/ 02 августа 2020

Первый ТАК пост (я думаю!) О стеках! Очень рад видеть интерес.

Ваш код выглядит великолепно - это ошибка стека (или друзей). Я открыл проблему в репозитории стеков и скоро буду работать над исправлением здесь. Напишу здесь записку, как только это будет рассмотрено. : -)

...