当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

R recipes step_normalize 中心和比例数值数据


step_normalize() 创建配方步骤的规范，该步骤将标准化数值数据，使其标准差为 1，平均值为零。

用法

step_normalize(
  recipe,
  ...,
  role = NA,
  trained = FALSE,
  means = NULL,
  sds = NULL,
  na_rm = TRUE,
  skip = FALSE,
  id = rand_id("normalize")
)

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

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。

means

均值的命名数值向量。在由 prep() 计算之前，这是 NULL 。

sds

标准差的命名数值向量 在由 prep() 计算之前，这是 NULL 。

na_rm

一个逻辑值，指示在计算标准差和平均值时是否应删除 NA 值。

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

数据居中意味着从数据中减去变量的平均值。缩放数据意味着从数据中除掉变量的标准差。 step_normalize 根据 prep.recipe 的 training 参数中使用的数据估计变量标准差和平均值。 bake.recipe 然后使用这些估计将缩放应用到新数据集。

整理

当您 tidy() 此步骤时，将返回一个包含列 terms(选择的选择器或变量)、value(标准差和平均值)和 statistic 值类型的小标题。

箱重

此步骤执行可以利用案例权重的无监督操作。因此，个案权重仅与频率权重一起使用。有关更多信息，请参阅 case_weights 中的文档和 tidymodels.org 中的示例。

也可以看看

其他标准化步骤：step_center()、step_range()、step_scale()

例子

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
)

norm_trans <- rec %>%
  step_normalize(carbon, hydrogen)

norm_obj <- prep(norm_trans, training = biomass_tr)

transformed_te <- bake(norm_obj, biomass_te)

biomass_te[1:10, names(transformed_te)]
#>    carbon hydrogen oxygen nitrogen sulfur    HHV
#> 15  46.35     5.67  47.20     0.30   0.22 18.275
#> 20  43.25     5.50  48.06     2.85   0.34 17.560
#> 26  42.70     5.50  49.10     2.40   0.30 17.173
#> 31  46.40     6.10  37.30     1.80   0.50 18.851
#> 36  48.76     6.32  42.77     0.20   0.00 20.547
#> 41  44.30     5.50  41.70     0.70   0.20 18.467
#> 46  38.94     5.23  54.13     1.19   0.51 15.095
#> 51  42.10     4.66  33.80     0.95   0.20 16.240
#> 55  29.20     4.40  31.10     0.14   4.90 11.147
#> 65  27.80     3.77  23.69     4.63   1.05 10.750
transformed_te
#> # A tibble: 80 × 6
#>     carbon hydrogen oxygen nitrogen sulfur   HHV
#>      <dbl>    <dbl>  <dbl>    <dbl>  <dbl> <dbl>
#>  1 -0.193    0.176    47.2     0.3    0.22  18.3
#>  2 -0.490    0.0342   48.1     2.85   0.34  17.6
#>  3 -0.543    0.0342   49.1     2.4    0.3   17.2
#>  4 -0.188    0.535    37.3     1.8    0.5   18.9
#>  5  0.0390   0.719    42.8     0.2    0     20.5
#>  6 -0.390    0.0342   41.7     0.7    0.2   18.5
#>  7 -0.904   -0.191    54.1     1.19   0.51  15.1
#>  8 -0.601   -0.668    33.8     0.95   0.2   16.2
#>  9 -1.84    -0.885    31.1     0.14   4.9   11.1
#> 10 -1.97    -1.41     23.7     4.63   1.05  10.8
#> # ℹ 70 more rows
tidy(norm_trans, number = 1)
#> # A tibble: 2 × 4
#>   terms    statistic value id             
#>   <chr>    <chr>     <dbl> <chr>          
#> 1 carbon   NA           NA normalize_u8gfY
#> 2 hydrogen NA           NA normalize_u8gfY
tidy(norm_obj, number = 1)
#> # A tibble: 4 × 4
#>   terms    statistic value id             
#>   <chr>    <chr>     <dbl> <chr>          
#> 1 carbon   mean      48.4  normalize_u8gfY
#> 2 hydrogen mean       5.46 normalize_u8gfY
#> 3 carbon   sd        10.4  normalize_u8gfY
#> 4 hydrogen sd         1.20 normalize_u8gfY

# To keep the original variables in the output, use `step_mutate_at`:
norm_keep_orig <- rec %>%
  step_mutate_at(all_numeric_predictors(), fn = list(orig = ~.)) %>%
  step_normalize(-contains("orig"), -all_outcomes())

keep_orig_obj <- prep(norm_keep_orig, training = biomass_tr)
keep_orig_te <- bake(keep_orig_obj, biomass_te)
keep_orig_te
#> # A tibble: 80 × 11
#>     carbon hydrogen oxygen nitrogen   sulfur   HHV carbon_orig
#>      <dbl>    <dbl>  <dbl>    <dbl>    <dbl> <dbl>       <dbl>
#>  1 -0.193    0.176   0.801  -0.643   0.00755  18.3        46.4
#>  2 -0.490    0.0342  0.881   1.47    0.281    17.6        43.2
#>  3 -0.543    0.0342  0.977   1.10    0.190    17.2        42.7
#>  4 -0.188    0.535  -0.113   0.602   0.646    18.9        46.4
#>  5  0.0390   0.719   0.392  -0.726  -0.494    20.5        48.8
#>  6 -0.390    0.0342  0.293  -0.311  -0.0380   18.5        44.3
#>  7 -0.904   -0.191   1.44    0.0958  0.668    15.1        38.9
#>  8 -0.601   -0.668  -0.436  -0.103  -0.0380   16.2        42.1
#>  9 -1.84    -0.885  -0.686  -0.776  10.7      11.1        29.2
#> 10 -1.97    -1.41   -1.37    2.95    1.90     10.8        27.8
#> # ℹ 70 more rows
#> # ℹ 4 more variables: hydrogen_orig <dbl>, oxygen_orig <dbl>,
#> #   nitrogen_orig <dbl>, sulfur_orig <dbl>
源代码：R/normalize.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 Center and scale numeric data。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。