r - 使用 purrr 来拟合许多使用 tidymodels 的模型

Question

仍然习惯于 stackoverflow，所以如果发布不正确，我们深表歉意。

最近，我发现自己不得不运行许多预测变量略有不同的模型来衡量模型性能(我确信有一种更优雅的方法可以做到这一点)，我正在考虑创建一个函数或使用 map 来做一些繁重的工作。

这里有两个代表来说明我的困境

这按预期工作:

library(tidymodels)
workflow() %>% 
  add_model(linear_reg()) %>% 
  add_formula(mpg ~ hp) %>% 
  fit(mtcars)

但是，创建一个包含我想使用的各种其他预测变量的向量并尝试通过它进行映射是行不通的(产生错误:在 data 中找不到以下预测变量:' .x'.)

library(tidymodels)

preds <- c("disp", "hp", "wt")

map(preds, ~workflow() %>% add_model(linear_reg()) %>% add_formula(mpg ~ .x) %>% fit(mtcars))

我怀疑这可能是由于我正在努力寻找我认为是一个相当普遍的问题的解决方案的整洁评估？

Answer 1

我们可以使用paste 或reformulate 来构建公式

library(tidymodels)
library(purrr)
modlst <- map(preds,
    ~workflow() %>% 
     add_model(linear_reg()) %>% 
    add_formula(reformulate(.x, response = 'mpg')) %>% 
    fit(mtcars))

-输出

> modlst
[[1]]
══ Workflow [trained] ════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════
Preprocessor: Formula
Model: linear_reg()

── Preprocessor ──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────
mpg ~ disp

── Model ─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────

Call:
stats::lm(formula = ..y ~ ., data = data)

Coefficients:
(Intercept)         disp  
   29.59985     -0.04122  


[[2]]
══ Workflow [trained] ════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════
Preprocessor: Formula
Model: linear_reg()

── Preprocessor ──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────
mpg ~ hp

── Model ─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────

Call:
stats::lm(formula = ..y ~ ., data = data)

Coefficients:
(Intercept)           hp  
   30.09886     -0.06823  


[[3]]
══ Workflow [trained] ════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════
Preprocessor: Formula
Model: linear_reg()

── Preprocessor ──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────
mpg ~ wt

── Model ─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────

Call:
stats::lm(formula = ..y ~ ., data = data)

Coefficients:
(Intercept)           wt  
     37.285       -5.344