配方是对应用于数据集以便为数据分析做好准备的步骤的说明。
用法
recipe(x, ...)
# S3 method for default
recipe(x, ...)
# S3 method for data.frame
recipe(x, formula = NULL, ..., vars = NULL, roles = NULL)
# S3 method for formula
recipe(formula, data, ...)
# S3 method for matrix
recipe(x, ...)参数
- x, data
-
模板数据集的 DataFrame 或小标题(见下文)。
- ...
-
传递给其他方法或从其他方法传递的更多参数(当前未使用)。
- formula
-
模型公式。这里不应使用 in-line 函数(例如
log(x)、x:y等)，并且不允许使用减号。这些类型的转换应使用此包中的step函数来执行。允许使用点，就像简单的多元结果项一样(即不需要cbind；请参阅示例)。由于内存问题，模型公式可能不是具有多列的高维数据的最佳选择。 - vars
-
与将在任何上下文中使用的变量相对应的列名称的字符串(见下文)
- roles
-
说明变量将扮演的单个角色的字符串(与
vars相同的长度)。该值可以是任何值，但常见角色是"outcome"、"predictor"、"case_weight"或"ID"
值
类recipe 和sub-objects 的对象：
- var_info
-
包含原始数据集列信息的 tibble
- term_info
-
包含数据集中当前术语集的小标题。这最初默认为
var_info中包含的相同数据。 - steps
-
step或check对象的列表，定义将应用于数据的预处理操作的序列。默认值为NULL - template
-
数据的一小部分。它被初始化为与
data参数中给出的数据相同，但在配方训练后可能会有所不同。
细节
定义食谱
配方中的变量可以具有任何类型的作用，包括结果、预测变量、观察 ID、案例权重、分层变量等。
recipe 对象可以通过多种方式创建。如果分析仅包含结果和预测变量，则创建分析的最简单方法是使用不包含内联函数(例如 log(x3))的公式(例如 y ~ x1 + x2 )(请参见下面的第一个示例)。
或者，可以通过首先指定应使用数据集中的哪些变量，然后按顺序定义它们的角色来创建 recipe 对象(请参阅最后一个示例)。当变量数量非常多时，这种替代方法是一个很好的选择，因为公式方法是memory-inefficient，有很多变量。
有两种不同类型的操作可以按顺序添加到配方中。
-
步骤可以包括缩放变量、创建虚拟变量或交互等操作。还可以指定计算上更复杂的操作，例如降维或插补。
-
检查是对数据进行特定测试的操作。当测试满足时，数据将被返回，没有问题或修改。否则，会抛出错误。
如果您已定义配方并希望查看其中包含哪些步骤，请对配方对象使用 tidy() 方法。
请注意，传递给 recipe() 的数据不必是将用于训练步骤的完整数据(通过 prep() )。配方只需要知道将使用的数据的名称和类型。对于大型数据集，可以使用 head() 传递较小的数据集以节省时间和内存。
使用食谱
一旦定义了配方，就需要在应用于数据之前对其进行估计。大多数配方步骤都有必须计算或估计的特定数量。例如，step_normalize() 需要计算所选列的训练集均值，而 step_dummy() 需要确定所选列的因子水平，以便生成适当的指标列。
配方最常见的两个应用是建模和stand-alone预处理。如何估计配方取决于它的使用方式。
造型
使用配方进行建模的最佳方法是通过 workflows 包。这将模型和预处理器(例如菜谱)捆绑在一起，并为用户提供了一种流畅的方式来训练模型/菜谱并进行预测。
library(dplyr)
library(workflows)
library(recipes)
library(parsnip)
data(biomass, package = "modeldata")
# split data
biomass_tr <- biomass %>% filter(dataset == "Training")
biomass_te <- biomass %>% filter(dataset == "Testing")
# With only predictors and outcomes, use a formula:
rec <- recipe(HHV ~ carbon + hydrogen + oxygen + nitrogen + sulfur,
data = biomass_tr)
# Now add preprocessing steps to the recipe:
sp_signed <-
rec %>%
step_normalize(all_numeric_predictors()) %>%
step_spatialsign(all_numeric_predictors())
sp_signed##
## -- Recipe ------------------------------------------------------------
##
## -- Inputs
## Number of variables by role
## outcome: 1
## predictor: 5
##
## -- Operations
## * Centering and scaling for: all_numeric_predictors()
## * Spatial sign on: all_numeric_predictors()我们可以创建一个 parsnip 模型，然后使用该模型和配方构建工作流程：
linear_mod <- linear_reg()
linear_sp_sign_wflow <-
workflow() %>%
add_model(linear_mod) %>%
add_recipe(sp_signed)
linear_sp_sign_wflow## == Workflow ==========================================================
## Preprocessor: Recipe
## Model: linear_reg()
##
## -- Preprocessor ------------------------------------------------------
## 2 Recipe Steps
##
## * step_normalize()
## * step_spatialsign()
##
## -- Model -------------------------------------------------------------
## Linear Regression Model Specification (regression)
##
## Computational engine: lm为了估计预处理步骤，然后拟合线性模型，使用对 fit() 的单次调用：
linear_sp_sign_fit <- fit(linear_sp_sign_wflow, data = biomass_tr)预测时，除了调用 predict() 之外，无需执行任何操作。这以与训练集相同的方式预处理新数据，然后将数据提供给线性模型预测代码：
predict(linear_sp_sign_fit, new_data = head(biomass_te))## # A tibble: 6 x 1
## .pred
## <dbl>
## 1 18.1
## 2 17.9
## 3 17.2
## 4 18.8
## 5 19.6
## 6 14.6Stand-alone食谱的使用
当使用配方生成数据以进行可视化或解决配方的任何问题时，可以使用一些函数来估计配方并将其手动应用到新数据。
定义配方后，prep() 函数可用于使用数据集(也称为训练数据)来估计操作所需的数量。 prep() 返回一个配方。
作为使用 PCA 的示例(可能是为了生成绘图)：
# Define the recipe
pca_rec <-
rec %>%
step_normalize(all_numeric_predictors()) %>%
step_pca(all_numeric_predictors())现在估计归一化统计数据和 PCA 负载：
pca_rec <- prep(pca_rec, training = biomass_tr)
pca_rec##
## -- Recipe ------------------------------------------------------------
##
## -- Inputs
## Number of variables by role
## outcome: 1
## predictor: 5
##
## -- Training information
## Training data contained 456 data points and no incomplete rows.
##
## -- Operations
## * Centering and scaling for: carbon, hydrogen, oxygen, ... | Trained
## * PCA extraction with: carbon, hydrogen, oxygen, ... | Trained请注意，估计的配方显示了选择器捕获的实际列名称。
您可以 tidy.recipe() 配方(无论是已准备还是未准备)来了解有关其组件的更多信息。
tidy(pca_rec)## # A tibble: 2 x 6
## number operation type trained skip id
## <int> <chr> <chr> <lgl> <lgl> <chr>
## 1 1 step normalize TRUE FALSE normalize_AeYA4
## 2 2 step pca TRUE FALSE pca_Zn1yz您还可以使用number 或id 参数来tidy() 配方步骤。
要将准备好的配方应用于数据集，请使用 bake() 函数，其使用方式与 predict() 用于模型的方式相同。这将估计的步骤应用于任何数据集。
bake(pca_rec, head(biomass_te))## # A tibble: 6 x 6
## HHV PC1 PC2 PC3 PC4 PC5
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 18.3 0.730 -0.412 -0.495 0.333 0.253
## 2 17.6 0.617 1.41 0.118 -0.466 0.815
## 3 17.2 0.761 1.10 -0.0550 -0.397 0.747
## 4 18.9 0.0400 0.950 0.158 0.405 -0.143
## 5 20.5 0.792 -0.732 0.204 0.465 -0.148
## 6 18.5 0.433 -0.127 -0.354 -0.0168 -0.0888一般来说，对于大多数应用程序，建议使用配方的工作流程接口。
例子
# formula example with single outcome:
data(biomass, package = "modeldata")
# split data
biomass_tr <- biomass[biomass$dataset == "Training", ]
biomass_te <- biomass[biomass$dataset == "Testing", ]
# With only predictors and outcomes, use a formula
rec <- recipe(
HHV ~ carbon + hydrogen + oxygen + nitrogen + sulfur,
data = biomass_tr
)
# Now add preprocessing steps to the recipe
sp_signed <- rec %>%
step_normalize(all_numeric_predictors()) %>%
step_spatialsign(all_numeric_predictors())
sp_signed
#>
#> ── Recipe ────────────────────────────────────────────────────────────────
#>
#> ── Inputs
#> Number of variables by role
#> outcome: 1
#> predictor: 5
#>
#> ── Operations
#> • Centering and scaling for: all_numeric_predictors()
#> • Spatial sign on: all_numeric_predictors()
# ---------------------------------------------------------------------------
# formula multivariate example:
# no need for `cbind(carbon, hydrogen)` for left-hand side
multi_y <- recipe(carbon + hydrogen ~ oxygen + nitrogen + sulfur,
data = biomass_tr
)
multi_y <- multi_y %>%
step_center(all_numeric_predictors()) %>%
step_scale(all_numeric_predictors())
# ---------------------------------------------------------------------------
# example using `update_role` instead of formula:
# best choice for high-dimensional data
rec <- recipe(biomass_tr) %>%
update_role(carbon, hydrogen, oxygen, nitrogen, sulfur,
new_role = "predictor"
) %>%
update_role(HHV, new_role = "outcome") %>%
update_role(sample, new_role = "id variable") %>%
update_role(dataset, new_role = "splitting indicator")
rec
#>
#> ── Recipe ────────────────────────────────────────────────────────────────
#>
#> ── Inputs
#> Number of variables by role
#> outcome: 1
#> predictor: 5
#> id variable: 1
#> splitting indicator: 1
相关用法
- R recipes recipes_pkg_check 更新包
- R recipes recipes_extension_check 检查步骤是否具有所有 S3 方法
- R recipes recipes_eval_select 使用特定于食谱的 tidyselect 语义评估选择
- R recipes roles 手动更改角色
- R recipes step_unknown 将缺失的类别分配给“未知”
- R recipes step_relu 应用(平滑)修正线性变换
- R recipes step_poly_bernstein 广义伯恩斯坦多项式基
- R recipes step_impute_knn 通过 k 最近邻进行插补
- R recipes step_impute_mean 使用平均值估算数值数据
- R recipes step_inverse 逆变换
- R recipes step_pls 偏最小二乘特征提取
- R recipes update.step 更新菜谱步骤
- R recipes step_ratio 比率变量创建
- R recipes step_geodist 两个地点之间的距离
- R recipes step_nzv 近零方差滤波器
- R recipes step_nnmf 非负矩阵分解信号提取
- R recipes step_normalize 中心和比例数值数据
- R recipes step_depth 数据深度
- R recipes step_other 折叠一些分类级别
- R recipes step_harmonic 添加正弦和余弦项以进行谐波分析
- R recipes step_corr 高相关滤波器
- R recipes step_novel 新因子水平的简单赋值
- R recipes step_select 使用 dplyr 选择变量
- R recipes formula.recipe 从准备好的食谱创建配方
- R recipes step_regex 检测正则表达式
注：本文由纯净天空筛选整理自Max Kuhn等大神的英文原创作品 Create a recipe for preprocessing data。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。