Rtidymodels：如何使用workflow_map（）？ 我试图将结果从tune_grid（）传递到tune_bayes（）的参数初始内容中。当直接调用tune_bayes（）时（请参见？tune_bayes中的示例）。但是，我看不出我是如何ca的...

Question

的参数

tune_bayes()

。直接调用

tune_bayes()

（请参见“ tune_bayes”中的示例）。但是，我看不出如何使用

initial

时如何通过

workflow_map()

参数？我收到错误消息：

eRror in

check_initial()

： 呢

initial

应该是一个正整数或[tune_grid（）]

的结果

this错误消息是非常可以理解的，因为

workflow_map()

的输出是一个

workflowset

，即将包含在列中的tibble。

因此，如何通过从

result

？

可复制的示例： tune_grid()

用Rreprexv2.1.1

于2025-03-19创建 您需要使用

tune_grid <- workflow_map("tune_grid")

将每个结果都放入工作流集的

workflow_map("tune_bayes", initial =tune_grid)

列中。

这里是一些代码，最后发生了主要更改：

library(tidymodels)

# Load and prepare data
ames_data <- ames[,sapply(ames, class) %in% c("integer", "numeric")]

# Define a recipe
recipe <- recipe(Sale_Price ~ ., data = ames_data) %>%
  step_normalize(all_predictors())

# Define models
lasso_model <- linear_reg(penalty = tune(), mixture = 1) %>%
  set_engine("glmnet")

rf_model <- rand_forest(min_n = tune(), trees = 500) %>%
  set_engine("ranger") %>%
  set_mode("regression")

# Create workflows
lasso_wf <- workflow() %>%
  add_model(lasso_model) %>%
  add_recipe(recipe)

rf_wf <- workflow() %>%
  add_model(rf_model) %>%
  add_recipe(recipe)

cross_val <- vfold_cv(ames_data, v = 5)


tune_grid <- workflow_set(
  preproc = list(recipe),
  models = list(lasso = lasso_model, rf = rf_model)) %>%
  workflow_map("tune_grid", resamples = cross_val, grid = 25)

tune_grid
#> # A workflow set/tibble: 2 × 4
#>   wflow_id     info             option    result   
#>   <chr>        <list>           <list>    <list>   
#> 1 recipe_lasso <tibble [1 × 4]> <opts[2]> <tune[+]>
#> 2 recipe_rf    <tibble [1 × 4]> <opts[2]> <tune[+]>

## now bayes
tune_bayes <- workflow_set(
  preproc = list(recipe),
  models = list(lasso = lasso_model, rf = rf_model)
) %>%
  workflow_map("tune_bayes", resamples = cross_val, initial =tune_grid)

tune_bayes$result[[1]]
#> [1] "Error in check_initial(initial, pset = param_info, wflow = object, resamples = resamples,  : \n  `initial` should be a positive integer or the results of [tune_grid()]\n"
#> attr(,"class")
#> [1] "try-error"
#> attr(,"condition")
#> <error/rlang_error>
#> Error in `check_initial()`:
#> ! `initial` should be a positive integer or the results of [tune_grid()]