step_ns()
创建配方步骤的规范,该步骤将创建新列,这些新列是使用自然样条的变量的基础扩展。
用法
step_ns(
recipe,
...,
role = "predictor",
trained = FALSE,
objects = NULL,
deg_free = 2,
options = list(),
keep_original_cols = FALSE,
skip = FALSE,
id = rand_id("ns")
)
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。
- objects
-
步骤训练完成后创建的
splines::ns()
对象列表。 - deg_free
-
自然样条的自由度。随着自然样条自由度的增加,可以生成更灵活和复杂的曲线。当使用单个自由度时,结果是原始数据的重新缩放版本。
- options
-
splines::ns()
的选项列表,不应包含x
或df
。 - 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。
细节
step_ns
可以从单个变量创建新特征,使拟合例程能够以非线性方式对该变量进行建模。可能的非线性程度由 splines::ns()
的 df
或 knot
参数确定。原始变量将从数据中删除,并添加新列。新变量的命名约定为varname_ns_1
,依此类推。
整理
当您tidy()
此步骤时,将返回带有列terms
(将受影响的列)的tibble。
也可以看看
其他单独的转换步骤:step_BoxCox()
, step_YeoJohnson()
, step_bs()
, step_harmonic()
, step_hyperbolic()
, step_inverse()
, step_invlogit()
, step_logit()
, step_log()
, step_mutate()
, step_percentile()
, step_poly()
, step_relu()
, step_sqrt()
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
)
with_splines <- rec %>%
step_ns(carbon, hydrogen)
with_splines <- prep(with_splines, training = biomass_tr)
expanded <- bake(with_splines, biomass_te)
expanded
#> # A tibble: 80 × 8
#> oxygen nitrogen sulfur HHV carbon_ns_1 carbon_ns_2 hydrogen_ns_1
#> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 47.2 0.3 0.22 18.3 0.524 -0.236 0.563
#> 2 48.1 2.85 0.34 17.6 0.493 -0.241 0.556
#> 3 49.1 2.4 0.3 17.2 0.487 -0.241 0.556
#> 4 37.3 1.8 0.5 18.9 0.524 -0.236 0.574
#> 5 42.8 0.2 0 20.5 0.542 -0.226 0.577
#> 6 41.7 0.7 0.2 18.5 0.504 -0.240 0.556
#> 7 54.1 1.19 0.51 15.1 0.440 -0.233 0.544
#> 8 33.8 0.95 0.2 16.2 0.480 -0.240 0.512
#> 9 31.1 0.14 4.9 11.1 0.285 -0.169 0.493
#> 10 23.7 4.63 1.05 10.8 0.260 -0.155 0.442
#> # ℹ 70 more rows
#> # ℹ 1 more variable: hydrogen_ns_2 <dbl>
相关用法
- R recipes step_nzv 近零方差滤波器
- R recipes step_nnmf 非负矩阵分解信号提取
- R recipes step_normalize 中心和比例数值数据
- R recipes step_novel 新因子水平的简单赋值
- R recipes step_num2factor 将数字转换为因数
- R recipes step_nnmf_sparse 带套索惩罚的非负矩阵分解信号提取
- R recipes step_naomit 删除缺失值的观测值
- R recipes step_unknown 将缺失的类别分配给“未知”
- R recipes step_relu 应用(平滑)修正线性变换
- R recipes step_poly_bernstein 广义伯恩斯坦多项式基
- R recipes step_impute_knn 通过 k 最近邻进行插补
- R recipes step_impute_mean 使用平均值估算数值数据
- R recipes step_inverse 逆变换
- R recipes step_pls 偏最小二乘特征提取
- R recipes step_ratio 比率变量创建
- R recipes step_geodist 两个地点之间的距离
- R recipes step_depth 数据深度
- R recipes step_other 折叠一些分类级别
- R recipes step_harmonic 添加正弦和余弦项以进行谐波分析
- R recipes step_corr 高相关滤波器
- R recipes step_select 使用 dplyr 选择变量
- R recipes step_regex 检测正则表达式
- R recipes step_spline_b 基础样条
- R recipes step_window 移动窗口函数
- R recipes step_ica ICA 信号提取
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 Natural Spline Basis Functions。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。