R 将Tidymodels进程映射到列表/分组或嵌套

我真的很喜欢tidymodels，但我不清楚如何将该模型工作流应用到嵌套的GroupBy上。作为一个例子，tidyr在mtcars的类似圆柱体的东西上绘制了一个简单的嵌套，然后将一个独特的线性reg模型拟合到每个圆柱体上。我试图拟合数百个独特的模型，可能是一个基于类似圆柱体的随机森林，但使用tidymodels工作流数据拆分、配方、预测

以下是tidyr页面上概述的简单嵌套/拟合线性调整：

mtcars_nested <- mtcars %>%
  group_by(cyl) %>%
  nest()

mtcars_nested <- mtcars_nested %>%
  mutate(model = map(data, function(df) lm(mpg ~ wt, data = df)))
mtcars_nested

有没有一种方法可以根据列中的group\U by或nest属性执行以下操作？如果可能的话，预测和/或准确度将需要针对每个预测和/或准确度进行组合，并存储在一个数据帧中。我尝试将数据拆分为嵌套的数据帧，但没有成功。我觉得这是一个Purr映射问题，但不清楚tidymodels是否已经支持：

library(tidymodels)
library(tidyverse)

#add dataset
mtcars <- mtcars

#create data splits
split <- initial_split(mtcars)
mtcars_train <- training(split)
mtcars_test <- testing(split)

#create recipe
mtcars_recipe <-
  recipe(mpg ~., data = mtcars_train) %>%
  step_normalize(all_predictors())

#define model
lm_mod <-
  linear_reg(mode = "regression") %>%
  set_engine("lm")

#create workflow that combines recipe & model
mtcars_workflow <-
  workflow() %>%
  add_model(lm_mod) %>%
  add_recipe(mtcars_recipe)

#fit workflow on train data
mtcars_fit <-
  fit(mtcars_workflow, data = mtcars_train)

#predict on test data
predictions <-
predict(mtcars_fit, mtcars_test) 

---

感谢您的帮助/建议/指导。

如果您愿意，您完全可以这样做！我将设置一个函数来进行所有需要的TidyModel拟合和预测，然后映射嵌套的数据帧

首先定义你喜欢的函数之外的任何东西，然后创建你的函数

图书馆模型 > ── 附加包─────────────────────────────────────────── tidymodels 0.1.1── > ✓ 扫帚0.7.0✓ 配方0.1.13 > ✓ 刻度盘0.0.8✓ rsample 0.0.7 > ✓ dplyr 1.0.0✓ tibble3.0.3 > ✓ GG2.3.2✓ tidyr 1.1.0 > ✓ 推断0.5.3✓ 调谐0.1.1 > ✓ modeldata 0.0.2✓ 工作流0.1.2 > ✓ 欧防风0.1.2✓ 尺度0.0.7 > ✓ purrr 0.3.4 > ── 冲突────────────────────────────────────────────── tidymodels_冲突── >x purrr:：丢弃遮罩比例：：丢弃 >x dplyr:：过滤器掩码统计信息：：过滤器 >x dplyr:：滞后掩码统计信息：：滞后 >x配方：：步骤掩码统计：：步骤 要使用的一些示例数据 数据HPC_数据 hpc_数据% 选择协议，-class lm_mod% 设置引擎 wf% 添加\u modelm\u mod 模型拟合与预测的大功能

---

预测hpc如果你愿意，你绝对可以这样做！我将设置一个函数来进行所有需要的TidyModel拟合和预测，然后映射嵌套的数据帧

首先定义你喜欢的函数之外的任何东西，然后创建你的函数

图书馆模型 > ── 附加包─────────────────────────────────────────── tidymodels 0.1.1── > ✓ 扫帚0.7.0✓ 配方0.1.13 > ✓ 刻度盘0.0.8✓ rsample 0.0.7 > ✓ dplyr 1.0.0✓ tibble3.0.3 > ✓ GG2.3.2✓ tidyr 1.1.0 > ✓ 推断0.5.3✓ 调谐0.1.1 > ✓ modeldata 0.0.2✓ 工作流0.1.2 > ✓ 欧防风0.1.2✓ 尺度0.0.7 > ✓ purrr 0.3.4 > ── 冲突────────────────────────────────────────────── tidymodels_冲突── >x purrr:：丢弃遮罩比例：：丢弃 >x dplyr:：过滤器掩码统计信息：：过滤器 >x dplyr:：滞后掩码统计信息：：滞后 >x配方：：步骤掩码统计：：步骤 要使用的一些示例数据 数据HPC_数据 hpc_数据% 选择协议，-class lm_mod% 设置引擎 wf% 添加\u modelm\u mod 模型拟合与预测的大功能

---

非常感谢你！这正是我想要做的。我非常感谢您和团队为tidymodels所做的所有工作。你周二的视频也很棒！非常感谢你！这正是我想要做的。我非常感谢您和团队为tidymodels所做的所有工作。你周二的视频也很棒！