机器学习的Tidymodel流水线编程

Tidymodels: tidy machine learning in R

在处理数据时，有简洁的工具包，tidyverse应运而生，极大地简化数据处理流程，让数据处理变得简洁，清晰。
但是在处理完数据后，需要对数据进行建模分析，预测与拟合，这个过程随着模型的不同而变的多元化，尤其是机器学习应用。加速了模型构建的流程化与简洁化。
Caret的出现，让此项工作变得简洁明了。但是还是有些缺点。

image.png

上图基于Wickham和Grolemund撰写的《 R for Data Science》一书。
本文中的版本详细解释了tidymodels每个程序包涵盖的步骤。在模型构建及预测过程中，tidymodels的流畅与简洁，让你体验纵享丝滑般的感受。

在模型构建过程中，需要涉及的数据预处理及模型参数调整，这些步骤都含括在以下程序包中：

• rsample - 数据分离重采样
• recipes - 数据转换处理
• parnip - 模型构建框架
• yardstick - 模型效果评估</