Tidymodels består af flere pakker, der er udviklet til at bygge, optimere (eng. tune) og evaluere (eng. evaluate) prædiktionsmodeller. Alle funktioner i Tidydmodels følger Tidyverse-principperne, hvilket betyder, at operationer kædes sammen ved hjælp af pipe (|>). Tidymodels er det vigtigste enkeltstående værktøj for den, der ønsker at udvikle prædiktionsmodeller i R. Med Tidymodels får brugeren et ensartet interface til hundredvis af pakker i R uden at skulle lære hver enkelt pakkes specifikationer. Tidymodels letter arbejdet betydeligt, selvom det i begyndelsen kræver en større tidsinvestering at lære Tidymodels sammenlignet med en enkelt pakke.
Med Tidymodels effektiviseres følgende proces:
- Pre-processing: I Tidymodels findes funktioner til pre-processing. Dette gøres ved at oprette opskrifter, der indeholder instruktioner for pre-processing (med pakken recipes), og som derefter anvendes på prædiktionsmodeller (med pakken parsnip).
- Model building: Alle vigtige og almindelige prædiktionsmodeller er integreret i Tidydmodels, eksempelvis klassiske regressionsmodeller, neurale netværk (dyb læring, deep learning), machine learning (random forest, gradient boosting, extreme gradient boosting osv.), overlevelsesmodeller med flere.
- Model tuning (optimering af modeller): I Tidymodels findes pakker, der letter tuning af hyperparametre (med pakken tune). Dette er vigtigt for modeller, hvis hyperparametre skal justeres for at forbedre modellen. Modellerne sammenlignes med resampling (med pakken rsample).
- Model evaluation: Til evaluering af modellerne findes pakken yardstick, hvor alle mulige performance metrics er tilgængelige (RMSE, ROC, C-index og mange flere).
Tidymodels består altså af flere pakker, der bruges til at bygge, optimere og evaluere prædiktionsmodeller. Pakkerne, der indgår i Tidymodels, er listet nedenfor.
rsample bruges til at opdele data i træningsdata og testdata samt til at udføre resampling (f.eks. krydsvalidering). Dokumentation
parsnip bruges til at specificere modeller. Dokumentation
recipes hjælper med pre-processing og feature engineering. Dokumentation
workflows forbinder pre-processing, modeling og post-processing i ét samlet arbejdsflow. Dokumentation
tune muliggør optimering af modellers hyperparametre og pre-processing-trin. Dokumentation
dials opretter og håndterer hyperparametre. Dokumentation
yardstick stiller performance metrics til rådighed (f.eks. ROC, RMSE, C-index osv.) til at evaluere og sammenligne modeller. Dokumentation
broom opretter data frames, der indeholder resultaterne fra prædiktionsmodeller. Dokumentation