R recipes step_kpca_rbf 径向基函数核PCA信号提取

step_kpca_rbf() 创建配方步骤的规范，该步骤将使用径向基函数核基展开将数值数据转换为一个或多个主成分。

用法

step_kpca_rbf(
  recipe,
  ...,
  role = "predictor",
  trained = FALSE,
  num_comp = 5,
  res = NULL,
  columns = NULL,
  sigma = 0.2,
  prefix = "kPC",
  keep_original_cols = FALSE,
  skip = FALSE,
  id = rand_id("kpca_rbf")
)

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。

sigma

径向基函数参数的数值。

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

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。

调整参数

此步骤有 2 个调整参数：

• num_comp : # 组件(类型：整数，默认值：5)

• sigma：径向基函数 sigma(类型：double，默认值：0.2)

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_rbf(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_rbf_voo0Z
tidy(kpca_estimates, number = 3)
#> # A tibble: 5 × 2
#>   terms    id            
#>   <chr>    <chr>         
#> 1 carbon   kpca_rbf_voo0Z
#> 2 hydrogen kpca_rbf_voo0Z
#> 3 oxygen   kpca_rbf_voo0Z
#> 4 nitrogen kpca_rbf_voo0Z
#> 5 sulfur   kpca_rbf_voo0Z