R embed step_lencode_glm 使用似然编码将监督因子转换为线性函数

step_lencode_glm() 创建配方步骤的规范，该步骤将名义(即因子)预测变量转换为从广义线性模型派生的一组分数。

用法

step_lencode_glm(
  recipe,
  ...,
  role = NA,
  trained = FALSE,
  outcome = NULL,
  mapping = NULL,
  skip = FALSE,
  id = rand_id("lencode_glm")
)

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变量。对于 step_lencode_glm ，这表示要编码为数字格式的变量。有关更多详细信息，请参阅recipes::selections()。对于tidy 方法，当前未使用这些。

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。

outcome

调用 vars 以指定哪个变量用作广义线性模型中的结果。目前仅支持数字和两级因子。

mapping

定义编码的 tibble 结果列表。在 recipes::prep() 训练该步骤之前，这是 NULL 。

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，其中新步骤添加到现有步骤(如果有)的序列中。对于 tidy 方法，一个 tibble 包含列 terms(用于编码的选择器或变量)、level(因子级别)和 value(编码)。

细节

对于每个因子预测器，广义线性模型适合结果，并且系数作为编码返回。这些系数采用线性预测量表，因此对于因子结果，它们采用 log-odds 单位。这些系数是使用无截距模型创建的，当使用两个因子结果时，log-odds 反映感兴趣的事件是因子的第一级。

对于新颖的水平，返回系数的稍微定时的平均值。

整理

当您tidy()此步骤时，将返回包含terms(选定的选择器或变量)、value 和component 列的小标题。

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。

参考

Micci-Barreca D (2001) “分类和预测问题中高基数分类属性的预处理方案”，ACM SIGKDD Explorations Newsletter，3(1), 27-32。

Zumel N 和 Mount J (2017)“vtreat：用于预测建模的 data.frame 处理器”，arXiv：1611.09477

例子

library(recipes)
library(dplyr)
library(modeldata)

data(grants)

set.seed(1)
grants_other <- sample_n(grants_other, 500)
# \donttest{
reencoded <- recipe(class ~ sponsor_code, data = grants_other) %>%
  step_lencode_glm(sponsor_code, outcome = vars(class))
# }