Exemple de plan r+1

Besoin d`ajouter de nouveaux travaux à la volée? Pour effectuer le garbage collection sans supprimer de cibles importantes, utilisez drake_gc (). La prochaine make () va reconstruire les cibles en fonction de reg2 () et laisser tout le reste seul. La prochaine fois que vous exécutez make (my_plan), rien ne va construire parce que Drake sait tout est déjà à jour. Ici, WT est le poids en tonnes, et MPG est l`efficacité du carburant en miles par gallon. Vous pouvez l`obtenir avec drake_example (“mtcars”) ou load_mtcars_example (). Il servira de résumé final de notre travail, et nous le traitons à la toute fin. Pour vos rapports knitr, utilisez knitr_in () dans vos commandes afin que le rapport. Les commandes utilisent des cibles générées par d`autres commandes, des objets de votre environnement, des fichiers d`entrée et des objets/fonctions d`espace de nomment à partir de packages (référencés par:: ou:::). Nous avons également besoin de fonctions pour appliquer les modèles de régression dont nous avons besoin pour détecter les associations.

Maintenant que votre espace de travail des importations est préparé, nous pouvons décrire le travail réel Étape par étape dans une trame de données de plan de Workflow. Il suffit d`ajouter des lignes au plan de flux de travail. Nous avons besoin d`une fonction pour amorcer des jeux de données plus volumineux à partir de mtcars. Le nom de la cible sera le nom du fichier de sortie entre guillemets. Nous voulons savoir s`il existe une association entre WT et MPG. Chaque ligne est une étape intermédiaire, et chaque commande génère une cible unique. Vous pouvez remarquer que par défaut, la taille du cache ne descend pas beaucoup. Si jamais vous avez besoin d`effacer votre travail, utilisez Clean (). Ce chapitre est une procédure pas à pas de la principale fonctionnalité de Drake basée sur l`exemple de mtcars. Utilisez readd () et loadd () pour charger des cibles dans votre espace de travail. Nous pourrions vouloir le faire si nous soupçonnons une relation cubique entre des tonnes et des miles par gallon.

Ces dépendances donnent à votre projet une représentation réseau sous-jacente. Avant d`exécuter votre projet, vous devez configurer l`espace de travail. Ordre de ligne n`a pas d`importance. Dans le nouveau graphique, les noeuds noirs d`avant sont maintenant verts. RMD est une dépendance et les cibles chargées avec loadd () et readd () dans les segments de code actif sont également des dépendances. Voici le contenu du rapport. Il met en place le projet et l`exécute à plusieurs reprises pour démontrer la fonctionnalité la plus importante de Drake. Voici les commandes pour générer les datasets bootattachés.

Voir aussi predict_runtime () et rate_limiting_times (). Le jeu de données mtcars provenait à l`origine de la 1974 Motor Trend magazine américain, et il contient la conception et les performances des modèles 32 de l`automobile. Nous voulons résumer les résultats finaux dans un rapport R Markdown, donc nous avons besoin du rapport. Utilisez file_out () pour dire à Drake que la cible est une sortie de fichier. Le plan de flux de travail my_plan cadre de données serait une douleur à écrire à la main, de sorte Drake a des fonctions pour vous aider. Pour purger les anciennes données, vous pouvez utiliser Clean (garbage_collection = TRUE, purge = TRUE). Existe-t-il une association entre le poids et le rendement énergétique des voitures? Fichier source RMD. Mais si vous changez l`une de vos fonctions, commandes ou autres dépendances, Drake mettra à jour les cibles affectées.