使用Vetiver监控tidymodels堆叠集成模型遇不支持问题

代码片段 #

library(tidymodels)
library(vetiver)
library(pins)
library(arrow)
library(tidyverse)
library(bonsai)
library(stacks)
library(lubridate)
library(magrittr)

b <- board_folder(path = "pins-r/")
model <- vetiver_pin_read(board = b, name = "dcp_ibese_truck_arrival", 
                      version = "20230110T094207Z-69661")

trips <- read_parquet("../IbeseLivePosition/ml_data/data_to_monitor_model.parquet")

trips %<>%
  mutate(Date = as.Date(DateTimeReceived))

original_metrics <- 
  vetiver::augment(model, new_data = trips)

报错信息 #

Error: No augment method for objects of class butchered_linear_stack

解决方法 #

• 关闭模型精简后重新保存
  Vetiver默认会用butcher精简模型以减小体积，但这会把堆叠模型转为butchered_linear_stack类，导致Vetiver无法识别。重新保存模型时关闭精简：

  vetiver_pin_write(
    board = b,
    model = your_stack_model,
    name = "dcp_ibese_truck_arrival",
    butcher = FALSE
  )
  

  重新读取模型后即可正常调用augment()。

• 自定义augment方法
  如果无法重新保存模型，为butchered_linear_stack类手动实现augment逻辑：

  augment.butchered_linear_stack <- function(x, new_data, ...) {
    preds <- stacks::predict(x, new_data = new_data, type = "pred")
    new_data %>% bind_cols(preds)
  }
  

  定义完成后，原代码中的vetiver::augment()即可正常运行。

• 直接调用stacks的预测函数
  绕过Vetiver的augment，手动拼接预测结果：

  original_metrics <- trips %>%
    bind_cols(predict(model, new_data = ., type = "pred"))
  

内容的提问来源于stack exchange，提问作者Olumide Michael Oyalola