tidymodels - erro em fit_resamples usando step_ns ()
Estou tentando escrever uma função que ajusta amostras de uma receita que usa step_ns (). Por algum motivo, estou recebendo as mensagens de erro:
Fold01: recipe: Error: Not all variables in the recipe are present in the supplied training set
e assim por diante para todas as dobras. E depois
Mensagem de aviso: All models failed in [fit_resamples()]. See the .notes column.
Este é o meu código:
compare_basis_exp_to_base_mod <- function (data, outcome, metric, ...) {
outcome <- rlang::enquo(outcome)
metric <- rlang::enquo(metric)
pred_list <- colnames(data)
outcome_str <- substring(deparse(substitute(outcome)), 2)
outcome_str_id <- which(colnames(data) %in% outcome_str)
predictor <- pred_list[-outcome_str_id]
data <- data %>%
rename(prediction = !!outcome)
res <- tibble(splits = list(), id = character(), .metrics = list(),
.notes = list(), .predictions = list(), pred = character())
rec_without_splines <- recipe(prediction ~ ., data = data) %>%
prep()
rec_with_splines <- recipe(prediction ~ ., data = data) %>%
step_ns(all_predictors(), ...) %>%
prep()
folds_without_splines <- vfold_cv(juice(rec_without_splines), strata = prediction)
folds_with_splines <- vfold_cv(juice(rec_with_splines), strata = prediction)
mod <- linear_reg() %>%
set_engine("lm")
mod_without_splines <- fit_resamples(mod,
rec_without_splines,
folds_without_splines,
metrics = metric_set(!!metric),
control = control_resamples(save_pred = TRUE)) %>%
mutate(pred = "no_splines")
mod_with_splines <- fit_resamples(mod,
rec_with_splines,
folds_with_splines,
metrics = metric_set(!!metric),
control = control_resamples(save_pred = TRUE)) %>%
mutate(pred = "with_splines")
res <- mod_without_splines %>%
bind_rows(mod_with_splines)
return (res)
}
Basicamente, o argumento dataleva em uma tabela de duas colunas e outcomeé o nome da coluna de resultado. Além do uso desta função (estou apenas brincando com modelos de limpeza aqui, pois sou novo nisso), eu só quero entender o que está causando esse erro e como corrigi-lo. O erro vem na hora de avaliar mod_with_splines.
Um problema semelhante foi encontrado aqui . Mas não sei se tem a ver com o meu problema. Não posso deixar de preparar a receita antes de passá-la fit_resamples. (Ou então eu acho)
Qualquer ajuda seria apreciada. Obrigado.
Respostas
Seu problema vem ao tentar aplicar uma receita em um conjunto de dados que já foi executado com a mesma receita.
Se assumirmos que as variáveis preditoras foram X1e X2, então rec_with_splinesé esperado que essas variáveis. Mas desde que folds_with_splinescontém os resultados juiced de rec_with_splinesseguida, folds_with_splinesna verdade, contém X1_ns_1, X1_ns_2, X2_ns_1, e X2_ns_2. Não X1e X2.
Eu sugeriria o uso de fluxos de trabalho para combinar a etapa de pré-processamento e modelagem. E para passar os dados brutos para vfold_cv().
library(tidymodels)
compare_basis_exp_to_base_mod <- function (data, outcome, metric, ...) {
outcome <- rlang::enquo(outcome)
metric <- rlang::enquo(metric)
pred_list <- colnames(data)
outcome_str <- substring(deparse(substitute(outcome)), 2)
outcome_str_id <- which(colnames(data) %in% outcome_str)
predictor <- pred_list[-outcome_str_id]
data <- data %>%
rename(prediction = !!outcome)
rec_without_splines <- recipe(prediction ~ ., data = data) %>%
prep()
rec_with_splines <- recipe(prediction ~ ., data = data) %>%
step_ns(all_predictors(), ...)
mod <- linear_reg() %>%
set_engine("lm")
wf_without_splines <- workflow() %>%
add_recipe(rec_without_splines) %>%
add_model(mod)
wf_with_splines <- workflow() %>%
add_recipe(rec_with_splines) %>%
add_model(mod)
data_folds <- vfold_cv(data, strata = prediction)
mod_without_splines <- fit_resamples(wf_without_splines,
data_folds,
metrics = metric_set(!!metric),
control = control_resamples(save_pred = TRUE)) %>%
mutate(pred = "no_splines")
mod_with_splines <- fit_resamples(wf_with_splines,
data_folds,
metrics = metric_set(!!metric),
control = control_resamples(save_pred = TRUE)) %>%
mutate(pred = "with_splines")
res <- mod_without_splines %>%
bind_rows(mod_with_splines)
return (res)
}
res <- compare_basis_exp_to_base_mod(mtcars, mpg, rmse)