R recipes step_novel 新因子水平的简单赋值

step_novel() 创建配方步骤的规范，该步骤会将以前未见过的因子级别分配给 "new" 。

用法

step_novel(
  recipe,
  ...,
  role = NA,
  trained = FALSE,
  new_level = "new",
  objects = NULL,
  skip = FALSE,
  id = rand_id("novel")
)

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。
new_level: 将分配给新因子级别的单个字符值。
objects: 包含由 prep() 确定的因子级别信息的对象列表。
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

所选变量被调整为具有放置在最后位置的新级别(由 new_level 给出)。在准备过程中，不会有与此新关卡相关的数据点，因为所有数据均已查看。

请注意，如果原始列是字符，则通过此步骤它们将转换为因子。

缺失值将保持缺失状态。

如果 new_level 已存在于提供给 prep 的数据中，则会引发错误。

当拟合可以处理新因子水平的模型时，请考虑使用 workflows::add_recipe() 和 hardhat::default_recipe_blueprint() 中设置的 allow_novel_levels = TRUE 。这将使您的模型能够在预测时处理新的级别，而不是抛出警告或错误。

整理

当您 tidy() 此步骤时，将返回包含列 terms(将受影响的列)和 value(用于新值的因子级别)的 tibble。

箱重

底层操作不允许使用案例权重。

也可以看看

dummy_names()

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

例子

data(Sacramento, package = "modeldata")

sacr_tr <- Sacramento[1:800, ]
sacr_te <- Sacramento[801:806, ]
sacr_te$city[3] <- "beeptown"
#> Warning: invalid factor level, NA generated
sacr_te$city[4] <- "boopville"
#> Warning: invalid factor level, NA generated

rec <- recipe(~ city + zip, data = sacr_tr)

rec <- rec %>%
  step_novel(city, zip)
rec <- prep(rec, training = sacr_tr)

processed <- bake(rec, sacr_te)
tibble(old = sacr_te$city, new = processed$city)
#> # A tibble: 6 × 2
#>   old        new       
#>   <fct>      <fct>     
#> 1 SACRAMENTO SACRAMENTO
#> 2 AUBURN     AUBURN    
#> 3 NA         NA        
#> 4 NA         NA        
#> 5 SACRAMENTO SACRAMENTO
#> 6 ROSEVILLE  ROSEVILLE 

tidy(rec, number = 1)
#> # A tibble: 2 × 3
#>   terms value id         
#>   <chr> <chr> <chr>      
#> 1 city  new   novel_3AY0w
#> 2 zip   new   novel_3AY0w

源代码：R/novel.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 Simple Value Assignments for Novel Factor Levels。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。