我已经使用{tidymodels}和{workflow_set}成功地调优了几个模型。然而，当使用tune::last_fit()测试验证数据集时，tune::select_best获得的参数表现不佳。这使我想手动测试验证集上的其他参数集。我发现tune::show_best()和tune::select_best()在这方面非常有限，因为它们在选择正确的参数时只考虑一个度量。我已经成功地用一个更复杂的逻辑过滤了tibles，这个逻辑涉及到使用纯{dplyr}的几个指标，但这不是最佳的，而且很耗时，每次我想测试一个模型时，都需要手动完成每个模型。
有没有一种方法可以根据workflow_id和cherry pick一组参数。配置数据的tibble？
如果tune::select_best()可以选择更多的条件来选择模型，这将非常有帮助。
这是获得“最佳”参数集的经典过程（不幸的是，这不是我的情况，因为我得到了一个具有非常高的roc_auc但非常糟糕的spec的模型）。

models_tuned <- models %>% 
  workflow_map("tune_bayes",
               resamples = cv_folds,
               initial = 20,
               iter= 10,
               metrics = mm_metrics,
               verbose = TRUE)

best_results <- models_tuned %>% 
  extract_workflow_set_result(id = "norm_nnet") %>% 
  select_best(metric = "accuracy")

fitted_workflow <- models_tuned %>%
  extract_workflow(id = "norm_nnet") %>%
  finalize_workflow(best_results) %>% 
  last_fit(split=split_df,
           metrics=mm_metrics)