如何从tidymodels workflowset提取拟合模型用于DALEXtra？

步骤1：获取最优模型的配置ID #

先从交叉验证的排名结果里，筛选出BART模型中ROC-AUC排名第一的配置ID，把它存下来方便后续调用：

# 提取最优BART模型的配置ID
best_bart_config <- grid_results %>%
  rank_results() %>%
  filter(.metric == "roc_auc", rank == 1, model == "bart") %>%
  pull(.config)

步骤2：提取对应的workflow对象 #

用extract_workflow()函数从grid_results中取出该配置对应的workflow（包含预处理步骤和模型定义）：

# 提取最优配置对应的workflow
best_bart_workflow <- grid_results %>%
  extract_workflow(id = best_bart_config)

步骤3：拟合workflow到完整训练集 #

注意：workflow_map()只是做了交叉验证，没有把模型拟合到整个训练集。DALEX需要的是拟合好的、能对新数据（或训练集）做预测的模型，所以需要用完整训练集重新拟合：

# 将workflow拟合到完整训练集
best_bart_fitted <- fit(best_bart_workflow, data = the_train)

步骤4：传入DALEXtra的explain_tidymodels函数 #

把拟合好的best_bart_fitted传入x参数即可，同时确保y参数是训练集中对应的响应变量列：

library(DALEXtra)

explainer_bart <- 
  explain_tidymodels(
    x = best_bart_fitted,
    data = the_train,
    y = the_train$adherence_group,  # 替换为你的响应变量列
    label = "BART Best Model",  # 自定义模型标签，方便识别
    verbose = FALSE
  )

关键说明 #

• extract_workflow()是tidymodels中专门用于从workflowset结果中提取单个workflow的函数，参数id就是你从rank_results()里拿到的.config值。
• 必须重新拟合到完整训练集：交叉验证的结果只是用来评估模型性能，并没有得到一个可以直接用于解释的完整拟合模型，所以这一步不能省略。
• 确保y参数的格式正确：需要和训练集中的响应变量完全对应，比如如果是因子型就保持因子型。

内容的提问来源于stack exchange，提问作者itsMeInMiami