R recipes step_kpca 内核PCA信号提取

step_kpca() 创建配方步骤的规范，该步骤将使用内核基础扩展将数值数据转换为一个或多个主成分。

用法

step_kpca(
  recipe,
  ...,
  role = "predictor",
  trained = FALSE,
  num_comp = 5,
  res = NULL,
  columns = NULL,
  options = list(kernel = "rbfdot", kpar = list(sigma = 0.2)),
  prefix = "kPC",
  keep_original_cols = FALSE,
  skip = FALSE,
  id = rand_id("kpca")
)

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

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。

num_comp

保留作为新预测变量的组件数量。如果num_comp大于列数或可能组件的数量，则将使用较小的值。如果设置了 num_comp = 0 ，则不会进行任何转换，并且所选变量将保持不变，无论 keep_original_cols 的值如何。

res

一旦 prep() 训练了该预处理步骤，S4 kernlab::kpca() 对象就会存储在此处。

columns

所选变量名称的字符串。该字段是一个占位符，一旦使用 prep() 就会被填充。

options

kernlab::kpca() 的选项列表。默认值是为参数 kernel 和 kpar 设置的，但其他参数可以传入。请注意，参数 x 和 features 不应在此处传递(或根本不传递)。

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

当执行 kPCA 时step_kpca()，您必须选择核函数(以及任何重要的核参数)。此步骤使用内核实验室包;下面的参考文献讨论了可用内核的类型及其参数。这些规格可以在kernel和kpar的插槽options参数step_kpca()。考虑使用step_kpca_rbf()对于径向基函数核或step_kpca_poly()对于多项式核。

核主成分分析 (kPCA) 是 PCA 分析的扩展，它在核函数定义的更广泛的维度上进行计算。例如，如果使用二次核函数，则每个变量将由其原始值及其平方表示。这种非线性映射在 PCA 分析过程中使用，可能有助于找到原始数据的更好表示。

此步骤需要内核实验室包。如果未安装，该步骤将停止并提示安装该软件包。

与普通 PCA 一样，在计算 PCA 分量之前对变量进行居中和缩放非常重要(step_normalize() 可用于此目的)。

参数 num_comp 控制将保留的组件数量(用于派生组件的原始变量将从数据中删除)。新组件的名称以 prefix 和一系列数字开头。变量名称用零填充。例如，如果 num_comp < 10 ，它们的名称将为 kPC1 - kPC9 。如果是 num_comp = 101 ，则名称将为 kPC1 - kPC101 。

tidy() 结果

当您tidy()此步骤时，将返回带有terms列(选择的选择器或变量)的tibble。

箱重

底层操作不允许使用案例权重。

参考

Scholkopf, B.、Smola, A. 和 Muller, K. (1997)。核主成分分析。计算机科学讲义，1327, 583-588。

Karatzoglou, K.、Smola, A.、Hornik, K. 和 Zeileis, A. (2004)。 kernlab - R. Journal of Statistical Software, 11(1), 1-20 中用于内核方法的 S4 包.

也可以看看

例子

library(ggplot2)
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
)

kpca_trans <- rec %>%
  step_YeoJohnson(all_numeric_predictors()) %>%
  step_normalize(all_numeric_predictors()) %>%
  step_kpca(all_numeric_predictors())

kpca_estimates <- prep(kpca_trans, training = biomass_tr)

kpca_te <- bake(kpca_estimates, biomass_te)

ggplot(kpca_te, aes(x = kPC1, y = kPC2)) +
  geom_point() +
  coord_equal()


tidy(kpca_trans, number = 3)
#> # A tibble: 1 × 2
#>   terms                    id        
#>   <chr>                    <chr>     
#> 1 all_numeric_predictors() kpca_ntsLB
tidy(kpca_estimates, number = 3)
#> # A tibble: 5 × 2
#>   terms    id        
#>   <chr>    <chr>     
#> 1 carbon   kpca_ntsLB
#> 2 hydrogen kpca_ntsLB
#> 3 oxygen   kpca_ntsLB
#> 4 nitrogen kpca_ntsLB
#> 5 sulfur   kpca_ntsLB