R recipes step_dummy_multi_choice 一起处理多个预测变量的水平

step_dummy_multi_choice() 创建配方步骤的规范，该步骤将多个标称数据(例如字符或因子)转换为原始数据级别的一个或多个数字二进制模型项。

用法

step_dummy_multi_choice(
  recipe,
  ...,
  role = "predictor",
  trained = FALSE,
  threshold = 0,
  levels = NULL,
  input = NULL,
  other = "other",
  naming = dummy_names,
  prefix = NULL,
  keep_original_cols = FALSE,
  skip = FALSE,
  id = rand_id("dummy_multi_choice")
)

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()。所选变量必须是因子。
role: 对于此步骤创建的模型项，应为其分配什么分析角色？默认情况下，此步骤根据原始变量创建的新列将用作模型中的预测变量。
trained: 指示预处理数量是否已估计的逻辑。
threshold: 0 到 1 之间的数值，或者大于或等于 1 的整数。如果小于 1，则训练集中出现率低于 threshold 的因子级别将被汇集到 other 。如果大于或等于 1，则该值被视为频率，出现次数少于 threshold 的因子水平将被汇集到 other 。
levels: 包含为 terms 中包含的每个变量创建虚拟变量所需的信息的列表。在 prep() 训练该步骤之前，这是 NULL 。
input: 包含所用列名称的字符向量。在 prep() 训练该步骤之前，这是 NULL 。
other: "other" 类别的单个字符值。
naming: 定义新虚拟列的命名约定的函数。请参阅下面的详细信息。
prefix: 生成的新变量的前缀字符串。请参阅下面的注释。
keep_original_cols: 将原始变量保留在输出中的逻辑。默认为 FALSE 。
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

计算类别的总体比例(或总计数)。 "other" 类别用于代替训练集中个体比例(或频率)小于 threshold 的任何分类级别。

此配方步骤允许对结果变量进行灵活命名。对于名为 x 且级别为 "a" 和 "b" 的无序因子，默认命名约定是创建一个名为 x_b 的新变量。可以使用naming参数更改命名格式；函数 dummy_names() 是默认函数。

调整参数

此步骤有 1 个调整参数：

threshold：阈值(类型：double，默认值：0)

箱重

底层操作不允许使用案例权重。

也可以看看

其他虚拟变量和编码步骤：step_bin2factor() , step_count() , step_date() , step_dummy_extract() , step_dummy() , step_factor2string() , step_holiday() , step_indicate_na() , step_integer() , step_novel() , step_num2factor() , step_ordinalscore() , step_other() , step_regex() , step_relevel() , step_string2factor() , step_time() , step_unknown() , step_unorder()

例子

library(tibble)
languages <- tribble(
  ~lang_1,    ~lang_2,   ~lang_3,
  "English",  "Italian", NA,
  "Spanish",  NA,        "French",
  "Armenian", "English", "French",
  NA,         NA,        NA
)

dummy_multi_choice_rec <- recipe(~., data = languages) %>%
  step_dummy_multi_choice(starts_with("lang")) %>%
  prep()

bake(dummy_multi_choice_rec, new_data = NULL)
#> # A tibble: 4 × 5
#>   lang_1_Armenian lang_1_English lang_1_French lang_1_Italian
#>             <int>          <int>         <int>          <int>
#> 1               0              1             0              1
#> 2               0              0             1              0
#> 3               1              1             1              0
#> 4               0              0             0              0
#> # ℹ 1 more variable: lang_1_Spanish <int>
tidy(dummy_multi_choice_rec, number = 1)
#> # A tibble: 5 × 3
#>   terms  columns  id                      
#>   <chr>  <chr>    <chr>                   
#> 1 lang_1 Armenian dummy_multi_choice_kJsyR
#> 2 lang_1 English  dummy_multi_choice_kJsyR
#> 3 lang_1 French   dummy_multi_choice_kJsyR
#> 4 lang_1 Italian  dummy_multi_choice_kJsyR
#> 5 lang_1 Spanish  dummy_multi_choice_kJsyR

dummy_multi_choice_rec2 <- recipe(~., data = languages) %>%
  step_dummy_multi_choice(starts_with("lang"),
    prefix = "lang",
    threshold = 0.2
  ) %>%
  prep()

bake(dummy_multi_choice_rec2, new_data = NULL)
#> # A tibble: 4 × 2
#>   lang_English lang_other
#>          <int>      <int>
#> 1            1          1
#> 2            0          1
#> 3            1          1
#> 4            0          0
tidy(dummy_multi_choice_rec2, number = 1)
#> # A tibble: 2 × 3
#>   terms  columns id                      
#>   <chr>  <chr>   <chr>                   
#> 1 lang_1 English dummy_multi_choice_Cb4Qi
#> 2 lang_1 other   dummy_multi_choice_Cb4Qi

源代码：R/dummy_multi_choice.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 Handle levels in multiple predictors together。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。