R embed step_pca_truncated 截断的 PCA 信号提取

step_pca_truncated() 创建配方步骤的规范，该步骤将数字数据转换为一个或多个主成分。它被截断，因为它只计算所要求的组件数量，而不是像 recipes::step_pca() 中那样计算所有组件的数量。

用法

step_pca_truncated(
  recipe,
  ...,
  role = "predictor",
  trained = FALSE,
  num_comp = 5,
  options = list(),
  res = NULL,
  columns = NULL,
  prefix = "PC",
  keep_original_cols = FALSE,
  skip = FALSE,
  id = rand_id("pca_truncated")
)

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。
options: irlba::prcomp_irlba() 默认方法的选项列表。参数默认设置为 retx = FALSE 、 center = FALSE 、 scale. = FALSE 和 tol = NULL 。请注意，参数 x 不应在此处传递(或根本不传递)。
res: 一旦 prep() 训练了该预处理步骤，irlba::prcomp_irlba() 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。
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

主成分分析 (PCA) 是一组变量的转换，可产生一组新的人工特征或成分。这些组件旨在捕获原始变量中的最大信息量(即方差)。此外，这些组件在统计上彼此独立。这意味着它们可用于对抗数据集中的大量 inter-variables 相关性。

建议在运行 PCA 之前对变量进行标准化。在这里，每个变量将在 PCA 计算之前居中并缩放。可以使用 options 参数或使用 step_center() 和 step_scale() 进行更改。

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 PC1 - PC9 。如果是 num_comp = 101 ，则名称将为 PC1 - PC101 。

整理

当您 tidy() 此步骤时，使用 type = "coef" 表示每个组件的变量加载，或使用 type = "variance" 表示每个组件所占的方差。

调整参数

此步骤有 1 个调整参数：

num_comp : # 组件(类型：整数，默认值：5)

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。

参考

乔利夫，I.T. (2010)。主成分分析。施普林格。

例子

rec <- recipe(~., data = mtcars)
pca_trans <- rec %>%
  step_normalize(all_numeric()) %>%
  step_pca_truncated(all_numeric(), num_comp = 2)
pca_estimates <- prep(pca_trans, training = mtcars)
pca_data <- bake(pca_estimates, mtcars)

rng <- extendrange(c(pca_data$PC1, pca_data$PC2))
plot(pca_data$PC1, pca_data$PC2,
  xlim = rng, ylim = rng
)


tidy(pca_trans, number = 2)
#> # A tibble: 1 × 4
#>   terms         value component id                 
#>   <chr>         <dbl> <chr>     <chr>              
#> 1 all_numeric()    NA NA        pca_truncated_AGa8C
tidy(pca_estimates, number = 2)
#> # A tibble: 22 × 4
#>    terms  value component id                 
#>    <chr>  <dbl> <chr>     <chr>              
#>  1 mpg    0.363 PC1       pca_truncated_AGa8C
#>  2 cyl   -0.374 PC1       pca_truncated_AGa8C
#>  3 disp  -0.368 PC1       pca_truncated_AGa8C
#>  4 hp    -0.330 PC1       pca_truncated_AGa8C
#>  5 drat   0.294 PC1       pca_truncated_AGa8C
#>  6 wt    -0.346 PC1       pca_truncated_AGa8C
#>  7 qsec   0.200 PC1       pca_truncated_AGa8C
#>  8 vs     0.307 PC1       pca_truncated_AGa8C
#>  9 am     0.235 PC1       pca_truncated_AGa8C
#> 10 gear   0.207 PC1       pca_truncated_AGa8C
#> # ℹ 12 more rows

源代码：R/pca_truncated.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 Truncated PCA Signal Extraction。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。