R recipes step_center 将数字数据居中

step_center() 创建配方步骤的规范，该规范步骤将标准化数值数据以使其平均值为零。

用法

step_center(
  recipe,
  ...,
  role = NA,
  trained = FALSE,
  means = NULL,
  na_rm = TRUE,
  skip = FALSE,
  id = rand_id("center")
)

参数

recipe: 一个菜谱对象。该步骤将添加到此配方的操作序列中。
...: 一个或多个选择器函数用于为此步骤选择变量。有关更多详细信息，请参阅selections()。
role: 由于没有创建新变量，因此此步骤未使用。
trained: 指示预处理数量是否已估计的逻辑。
means: 均值的命名数值向量。在由 prep() 计算之前，这是 NULL 。
na_rm: 一个逻辑值，指示在计算期间是否应删除 NA 值。
skip: 一个合乎逻辑的。当bake() 烘焙食谱时是否应该跳过此步骤？虽然所有操作都是在 prep() 运行时烘焙的，但某些操作可能无法对新数据进行(例如处理结果变量)。使用skip = TRUE时应小心，因为它可能会影响后续操作的计算。
id: 该步骤特有的字符串，用于标识它。

值

recipe 的更新版本，将新步骤添加到任何现有操作的序列中。

细节

数据居中意味着从数据中减去变量的平均值。 step_center 根据 prep.recipe 的 training 参数中使用的数据估计变量均值。 bake.recipe 然后使用这些方法将居中应用于新数据集。

整理

当您 tidy() 此步骤时，将返回包含列 terms(选择的选择器或变量)和 value(平均值)的 tibble。

箱重

此步骤执行可以利用案例权重的无监督操作。因此，个案权重仅与频率权重一起使用。有关更多信息，请参阅 case_weights 中的文档和 tidymodels.org 中的示例。

也可以看看

其他标准化步骤：step_normalize()、step_range()、step_scale()

例子

data(biomass, package = "modeldata")

biomass_tr <- biomass[biomass$dataset == "Training", ]
biomass_te <- biomass[biomass$dataset == "Testing", ]

rec <- recipe(
  HHV ~ carbon + hydrogen + oxygen + nitrogen + sulfur,
  data = biomass_tr
)

center_trans <- rec %>%
  step_center(carbon, contains("gen"), -hydrogen)

center_obj <- prep(center_trans, training = biomass_tr)

transformed_te <- bake(center_obj, biomass_te)

biomass_te[1:10, names(transformed_te)]
#>    carbon hydrogen oxygen nitrogen sulfur    HHV
#> 15  46.35     5.67  47.20     0.30   0.22 18.275
#> 20  43.25     5.50  48.06     2.85   0.34 17.560
#> 26  42.70     5.50  49.10     2.40   0.30 17.173
#> 31  46.40     6.10  37.30     1.80   0.50 18.851
#> 36  48.76     6.32  42.77     0.20   0.00 20.547
#> 41  44.30     5.50  41.70     0.70   0.20 18.467
#> 46  38.94     5.23  54.13     1.19   0.51 15.095
#> 51  42.10     4.66  33.80     0.95   0.20 16.240
#> 55  29.20     4.40  31.10     0.14   4.90 11.147
#> 65  27.80     3.77  23.69     4.63   1.05 10.750
transformed_te
#> # A tibble: 80 × 6
#>     carbon hydrogen oxygen nitrogen sulfur   HHV
#>      <dbl>    <dbl>  <dbl>    <dbl>  <dbl> <dbl>
#>  1  -2.00      5.67   8.68   -0.775   0.22  18.3
#>  2  -5.10      5.5    9.54    1.78    0.34  17.6
#>  3  -5.65      5.5   10.6     1.33    0.3   17.2
#>  4  -1.95      6.1   -1.22    0.725   0.5   18.9
#>  5   0.406     6.32   4.25   -0.875   0     20.5
#>  6  -4.05      5.5    3.18   -0.375   0.2   18.5
#>  7  -9.41      5.23  15.6     0.115   0.51  15.1
#>  8  -6.25      4.66  -4.72   -0.125   0.2   16.2
#>  9 -19.2       4.4   -7.42   -0.935   4.9   11.1
#> 10 -20.6       3.77 -14.8     3.56    1.05  10.8
#> # ℹ 70 more rows

tidy(center_trans, number = 1)
#> # A tibble: 3 × 3
#>   terms               value id          
#>   <chr>               <dbl> <chr>       
#> 1 "carbon"               NA center_6Jp74
#> 2 "contains(\"gen\")"    NA center_6Jp74
#> 3 "-hydrogen"            NA center_6Jp74
tidy(center_obj, number = 1)
#> # A tibble: 3 × 3
#>   terms    value id          
#>   <chr>    <dbl> <chr>       
#> 1 carbon   48.4  center_6Jp74
#> 2 oxygen   38.5  center_6Jp74
#> 3 nitrogen  1.07 center_6Jp74

源代码：R/center.R

相关用法

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 Centering numeric 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。