使用tidymodels评分新数据时遇报错：step_log缺失price列

我正在学习tidymodels，以下代码可以正常运行：

library(tidyverse)
library(tidymodels)

# 抽取2000条样本用于模型测试
set.seed(1234)
diamonds <- diamonds %>%    
  sample_n(2000)
  
diamonds_split <- initial_split(diamonds, prop = 0.80, strata="price")
diamonds_train <- training(diamonds_split)
diamonds_test <- testing(diamonds_split)

folds <- rsample::vfold_cv(diamonds_train, v = 10, strata="price")
metric <- metric_set(rmse,rsq,mae)

# KNN模型定义
knn_spec <-
  nearest_neighbor(
    mode = "regression", 
    neighbors = tune("k"),
    engine = "kknn"
  ) 

knn_rec <-
  recipe(price ~ ., data = diamonds_train) %>%
  step_log(all_outcomes()) %>% 
  step_normalize(all_numeric_predictors()) %>% 
  step_dummy(all_nominal_predictors())

knn_wflow <- 
  workflow() %>% 
  add_model(knn_spec) %>%
  add_recipe(knn_rec)

knn_grid = expand.grid(k=c(1,5,10,30))

knn_res <- 
  tune_grid(
    knn_wflow,
    resamples = folds,
    metrics = metric,
    grid = knn_grid
  )

collect_metrics(knn_res)
autoplot(knn_res)
show_best(knn_res,metric="rmse")

# 最优KNN模型
best_knn_spec <-
  nearest_neighbor(
    mode = "regression", 
    neighbors = 10,
    engine = "kknn"
  ) 

best_knn_wflow <- 
  workflow() %>% 
  add_model(best_knn_spec) %>%
  add_recipe(knn_rec)

best_knn_fit <- last_fit(best_knn_wflow, diamonds_split)
collect_metrics(best_knn_fit)

但手动拟合最优模型并应用到测试集时出现报错：

Error in `step_log()`: ! The following required column is missing from `new_data` in step 'log_mUSAb': price. Run `rlang::last_trace()` to see where the error occurred.

执行的代码：

# 手动预测
f1 = fit(best_knn_wflow,diamonds_train)
p1 = predict(f1,new_data=diamonds_test)

报错原因 #

报错核心在于recipe中的step_log(all_outcomes())在预测阶段仍尝试寻找结果列price。all_outcomes()会标记结果变量（此处为price）需要做log转换，训练阶段该步骤正常执行，但在预测阶段，workflow默认会将new_data中的结果列视为待预测目标，不会将其传入recipe的转换流程，导致step_log找不到price列而报错。

同时需要注意：你的模型实际学习的是**log(price)**与特征的关系，直接预测得到的是log转换后的价格，后续需要反转换才能得到真实价格。

解决方案 #

修改recipe，明确指定对price做log转换，并设置skip = TRUE让该步骤仅在训练阶段执行；预测后使用exp()将结果反转换为真实价格。

修改后的代码：

# 修改后的recipe：指定price并设置skip=TRUE
knn_rec <-
  recipe(price ~ ., data = diamonds_train) %>%
  step_log(price, skip = TRUE) %>% # 仅训练时执行log转换
  step_normalize(all_numeric_predictors()) %>% 
  step_dummy(all_nominal_predictors())

# 重新定义workflow（其余代码不变）
best_knn_wflow <- 
  workflow() %>% 
  add_model(best_knn_spec) %>%
  add_recipe(knn_rec)

# 手动拟合与预测
f1 <- fit(best_knn_wflow, diamonds_train)
p1 <- predict(f1, new_data = diamonds_test) %>%
  mutate(predicted_price = exp(.pred)) # 反转换得到真实价格

# 查看预测结果与真实值对比
bind_cols(diamonds_test %>% select(price), p1)

如果不需要保留测试集的真实price列，直接传入剔除price的测试集也能正常运行：

p1 <- predict(f1, new_data = diamonds_test %>% select(-price)) %>%
  mutate(predicted_price = exp(.pred))

内容的提问来源于stack exchange，提问作者user23438