R中tidymodels stacks包fit_members报filter方法NULL对象错误求解

在R环境中基于Tidymodels生态开展多分类建模任务，已通过Workflow sets完成多个基础模型训练：

• 数据预处理环节参考社区方案添加了自定义constantimpute步骤，用于将NA值替换为固定常量
• 纳入工作流的模型定义如下：

mlp <-
  mlp(hidden_units = tune(), penalty = tune(), epochs = tune()) %>%
  set_engine('nnet') %>%
  set_mode('classification')

multinom <-
  multinom_reg(penalty = tune(), mixture = tune()) %>%
  set_engine('glmnet')

rand_forest <-
  rand_forest(mtry = tune(), min_n = tune()) %>%
  set_engine('ranger') %>%
  set_mode('classification')

tabnet <- tabnet(mode="classification", batch_size= 126, virtual_batch_size= 128, epochs= 1,
                 num_steps = tune(), learn_rate = tune())%>%
  set_engine("torch", verbose = TRUE)

• 针对部分模型，在原始recipe基础上依次添加了themis包的SMOTE采样、PCA降维、标准化处理步骤，所有模型单独训练、测试流程均运行正常

后续尝试用stacks包对候选模型做集成学习，实现代码如下：

tidymodels_prefer()

stack1 <- 
  stacks() %>% 
  add_candidates(res_1)


set.seed(2002)
res1_stack <-
  stack1 %>%
  blend_predictions()

ens <- fit_members(res1_stack)

执行最后一步fit_members()拟合集成成员时，控制台抛出错误：

Error in UseMethod("filter") : 
  no applicable method for 'filter' applied to an object of class "NULL"

初步排查判断错误和recipe中添加的自定义constantimpute步骤相关。

这个错误的核心触发原因是自定义的step_constantimpute没有实现stacks依赖的必要recipe S3方法：
stacks在fit_members()阶段需要重拟合每个入选基模型，会调用预处理流程的prep()、bake()、tidy()等标准方法提取有效训练数据。社区公开的自定义constantimpute步骤通常只实现了核心的补值逻辑，要么缺失必要的S3方法，要么在prep阶段没有正确留存训练集属性，导致stacks在筛选训练样本时拿到NULL对象，最终触发没有对应filter方法的报错。

• 优先替换为recipes官方原生实现，彻底规避适配问题
  直接删除自定义的constantimpute步骤，改用recipes内置的step_impute_constant()，功能完全匹配（将指定列的NA替换为固定常量），且原生适配tidymodels全生态包括stacks、themis等扩展包，不会出现方法缺失问题。替换示例：

  your_recipe <- 
    recipe(分类因变量 ~ ., data = 训练集) %>%
    # 替换自定义补值步骤，constant参数和你原自定义步骤的补值保持一致即可
    step_impute_constant(all_predictors(), constant = -999) %>%
    # 后续保留原有的SMOTE、标准化、PCA等步骤即可
    step_smote(分类因变量) %>%
    step_normalize(all_numeric_predictors()) %>%
    step_pca(all_numeric_predictors(), num_comp = tune())
  

  替换后重新跑完workflow sets的重采样调参，再走stacks全流程即可正常运行。
• 若必须保留自定义step_constantimpute（比如内置了官方步骤没有的特殊逻辑），补全自定义步骤缺失的标准S3方法即可：
  1. 确保自定义步骤的prep()方法返回对象中，training字段不为NULL，正确留存处理后的训练集相关属性
  2. 为自定义步骤实现tidy() S3方法，返回包含步骤ID、处理列名、补值常量的标准tibble结构
  3. 确保bake()方法返回完整的tibble对象，不丢失原数据的行索引属性
• 额外排查项：确认传入add_candidates()的res_1是workflow_set调参完成后未被手动修改的重采样结果，手动修改已完成调参的workflow内嵌recipe，也会导致stacks无法正确提取预处理逻辑触发同类报错。

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