R Tidymodels : What objects to save for use in production after fitting a recipe-based workflow utilizing pre-processing?

Question

设计后Tidymodels基于配方的工作流程，经过调整然后适合一些训练数据，我不清楚应该将哪些对象(适合的“工作流程”、“配方”等)保存到磁盘以用于预测生产中的新数据 .我知道我可以使用 saveRDS()/readRDS() , write_rds()/read_rds() ，或其他选项来实际保存/加载这些对象，但哪些 ?
在干净的 R 环境中，我将收到传入的新原始数据，这些数据需要使用我在训练模型时使用的“配方”进行预处理。然后，我想根据预处理后的数据进行预测。如果我打算使用 prep()和 bake()函数来像我处理训练数据一样预处理新数据，然后我将最少需要它似乎得到的配方和原始训练数据 prep()上类。另外，我还需要拟合模型/工作流程来进行预测。所以三个对象似乎。如果我将 SESSION 1 中的工作流对象保存到磁盘，那么我可以在 SESSION 2 中使用 pull_workflow_prepped_recipe() 从中提取配方和模型。和 pull_workflow_fit()分别。但是prep()似乎需要原始训练数据，我可以通过早期使用 retain = TRUE 将其保留在工作流程中...但是在调用 fit() 后，它会被从工作流程中剥离出来.听到我的呼救声! :)
所以，想象一下两个不同的 R session ，其中第一个 session 我正在做所有的训练和模型构建，第二个 session 是一些运行的生产应用程序，它使用从第一个 session 中学到的东西。我需要 SESSION1 底部箭头和 SESSION 2 中多个位置的帮助。我使用了 Tidymodels Get Started作为这个例子的基础。
第 1 节

library(tidymodels)
library(nycflights13)
library(readr)
set.seed(123)
flight_data <- 
  head(flights, 500) %>% 
  mutate(
    arr_delay = ifelse(arr_delay >= 30, "late", "on_time"),
    arr_delay = factor(arr_delay),
    date = as.Date(time_hour)
  ) %>% 
  inner_join(weather, by = c("origin", "time_hour")) %>% 
  select(dep_time, flight, origin, dest, air_time, distance, carrier, date, arr_delay, time_hour) %>% 
  na.omit() %>% 
  mutate_if(is.character, as.factor)

set.seed(555)
data_split <- initial_split(flight_data, prop = 3/4)
train_data <- training(data_split)
test_data  <- testing(data_split)

flights_rec <- 
  recipe(arr_delay ~ ., data = train_data) %>% 
  update_role(flight, time_hour, new_role = "ID") %>% 
  step_date(date, features = c("dow", "month")) %>%
  step_holiday(date, holidays = timeDate::listHolidays("US")) %>%
  step_rm(date) %>%
  step_dummy(all_nominal(), -all_outcomes()) %>%
  step_zv(all_predictors())

lr_mod <- 
  logistic_reg() %>% 
  set_engine("glm")

flights_wflow <- 
  workflow() %>% 
  add_model(lr_mod) %>% 
  add_recipe(flights_rec)

flights_fit <- 
  flights_wflow %>% 
  fit(data = train_data)

predict(flights_fit, test_data)

### SAVE ONE OR MORE OBJECTS HERE FOR NEXT SESSION  <------------
# What to save? workflow (pre or post fit()?), recipe, training data...etc.
write_rds(flights_wflow, "flights_wflow.rds")  # Not fitted workflow
write_rds(flights_fit, "flights_fit.rds")  # Fitted workflow

第二节

### READ ONE OR MORE OBJECTS HERE FROM PRIOR SESSION <------------
flights_wflow <- read_rds("flights_wflow.rds")
flights_fit <- read_rds("flights_fit.rds")

# Acquire new data, do some basic transforms as before
new_flight_data <- 
  tail(flights, 500) %>% 
  mutate(
    arr_delay = ifelse(arr_delay >= 30, "late", "on_time"),
    arr_delay = factor(arr_delay),
    date = as.Date(time_hour)
  ) %>% 
  inner_join(weather, by = c("origin", "time_hour")) %>% 
  select(dep_time, flight, origin, dest, air_time, distance, carrier, date, arr_delay, time_hour) %>% 
  na.omit() %>% 
  mutate_if(is.character, as.factor)

# Something here to preprocess the data with recipe as in SESSION 1 <----------
# new_flight_data_prep <- prep(??)
# new_flight_data_preprocessed <- bake(??)

# Predict new data
predict(flights_fit, new_data = new_flight_data_preprocessed)

Answer 1

根据您的限制，您可以灵活地处理此问题，但通常我会建议保存/序列化 拟合工作流程 ，也许在 using butcher to reduce its size 之后.你可以看到an example model fitting script in this repo最后显示了我如何保存拟合的工作流程。
当您使用此工作流程进行预测时，需要记住一些事项。我有 an example Plumber API在同一个 repo 中，演示了对该特定工作流程进行预测所需的内容。请注意，如何为该 API 加载/附加预测所需的包。我没有使用所有的 tidymodels，而是只使用了 具体包我需要更好的性能和更小的容器。