R embed step_discretize_cart 使用 CART 离散数值变量

step_discretize_cart() 创建配方步骤的规范，该步骤将使用 CART 模型以监督方式将数值数据(例如整数或双精度数)离散化到容器中。

用法

step_discretize_cart(
  recipe,
  ...,
  role = NA,
  trained = FALSE,
  outcome = NULL,
  cost_complexity = 0.01,
  tree_depth = 10,
  min_n = 20,
  rules = NULL,
  skip = FALSE,
  id = rand_id("discretize_cart")
)

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选择受该步骤影响的变量。有关更多详细信息，请参阅selections()。
role: 默认为 "predictor" 。
trained: 指示预处理数量是否已估计的逻辑。
outcome: 调用 vars 指定使用哪个变量作为训练 CART 模型的结果，以便离散化解释变量。
cost_complexity: 正则化参数。不会尝试任何不会将总体不适合度降低 cost_complexity 系数的拆分。对应于rpart::rpart()中的cp。默认为 0.01。
tree_depth: 最终树的最大深度。对应于rpart::rpart()中的maxdepth。默认为 10。
min_n: 节点中继续分裂所需的数据点数量。对应于rpart::rpart()中的minsplit。默认为 20。
rules: 为每个变量保留的最佳 CART 树的分割规则。如果长度为零，则不能对该列使用拆分。
skip: 一个合乎逻辑的。当recipes::bake() 烘焙食谱时是否应该跳过此步骤？虽然所有操作都是在 recipes::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

step_discretize_cart() 通过利用有关结果变量的信息并应用 CART 模型，从数值变量创建非均匀箱。

每个变量的最佳存储桶选择是使用 CART 的标准 cost-complexity 剪枝来选择的，这使得这种离散化方法能够抵抗过度拟合。

此步骤需要部分包。如果未安装，该步骤将停止并显示有关安装包的注释。

请注意，原始数据将被新的 bin 替换。

整理

当您 tidy() 此步骤时，将返回包含 terms 列(选定的列)的 tibble，values。

调整参数

这一步有3个调整参数：

cost_complexity : Cost-Complexity 参数(类型：double，默认值：0.01)
tree_depth ：树深度(类型：整数，默认值：10)
min_n：最小节点大小(类型：整数，默认值：20)

箱重

此步骤执行可以利用案例权重的监督操作。要使用它们，请参阅 recipes::case_weights 中的文档和 tidymodels.org 中的示例。

也可以看看

step_discretize_xgb() , recipes::recipe() , recipes::prep() , recipes::bake()

例子

library(modeldata)
data(ad_data)
library(rsample)

split <- initial_split(ad_data, strata = "Class")

ad_data_tr <- training(split)
ad_data_te <- testing(split)

cart_rec <-
  recipe(Class ~ ., data = ad_data_tr) %>%
  step_discretize_cart(
    tau, age, p_tau, Ab_42,
    outcome = "Class", id = "cart splits"
  )

cart_rec <- prep(cart_rec, training = ad_data_tr)

# The splits:
tidy(cart_rec, id = "cart splits")
#> # A tibble: 19 × 3
#>    terms  value id         
#>    <chr>  <dbl> <chr>      
#>  1 tau    6.03  cart splits
#>  2 tau    6.17  cart splits
#>  3 tau    6.20  cart splits
#>  4 tau    6.28  cart splits
#>  5 tau    6.51  cart splits
#>  6 tau    6.66  cart splits
#>  7 age    0.986 cart splits
#>  8 age    0.987 cart splits
#>  9 age    0.987 cart splits
#> 10 age    0.988 cart splits
#> 11 p_tau  3.93  cart splits
#> 12 p_tau  4.11  cart splits
#> 13 p_tau  4.15  cart splits
#> 14 p_tau  4.27  cart splits
#> 15 p_tau  4.40  cart splits
#> 16 p_tau  4.75  cart splits
#> 17 Ab_42 10.8   cart splits
#> 18 Ab_42 11.0   cart splits
#> 19 Ab_42 11.3   cart splits

bake(cart_rec, ad_data_te, tau)
#> # A tibble: 84 × 1
#>    tau          
#>    <fct>        
#>  1 [6.278,6.515)
#>  2 [-Inf,6.032) 
#>  3 [-Inf,6.032) 
#>  4 [-Inf,6.032) 
#>  5 [-Inf,6.032) 
#>  6 [-Inf,6.032) 
#>  7 [-Inf,6.032) 
#>  8 [-Inf,6.032) 
#>  9 [-Inf,6.032) 
#> 10 [-Inf,6.032) 
#> # ℹ 74 more rows

源代码：R/discretize_cart.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 Discretize numeric variables with CART。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。