当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


R recipes step_profile 创建数据集的分析版本


step_profile() 创建配方步骤的规范,该步骤将修复除一个变量之外的所有变量的级别,并将为其余变量创建一系列值。在为加法模型创建部分回归图时,此步骤非常有用。

用法

step_profile(
  recipe,
  ...,
  profile = NULL,
  pct = 0.5,
  index = 1,
  grid = list(pctl = TRUE, len = 100),
  columns = NULL,
  role = NA,
  trained = FALSE,
  skip = FALSE,
  id = rand_id("profile")
)

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()

profile

调用 dplyr::vars() )以指定将分析哪个变量(请参阅 selections() )。如果某个列同时包含在要修复的列表和要分析的列表中,则会引发错误。

pct

0 到 1 之间的值,是固定连续变量的百分位数。这适用于选择器捕获的所有连续变量。对于日期变量,根据与 pct 的距离使用最小值、中值或最大值。

index

定性变量的水平将被固定。如果变量是字符(不是因子),则这将是排序的唯一值的索引。这适用于选择器捕获的所有定性变量。

grid

包含元素 pctl(逻辑)和 len(整数)的命名列表。如果 pctl = TRUE ,则 len 表示用于创建分析网格的百分位数。这将创建一个介于 0 和 1 之间的网格,并且配置文件由数据的百分位数确定。例如,如果 pctl = TRUElen = 3 ,则配置文件将包含最小值、中值和最大值。如果是 pctl = FALSE ,它定义应在最小值和最大值之间创建多少个网格点。对于定性变量,该参数将被忽略(因为它们所有可能的水平都已被分析)。对于日期变量,将始终使用pctl = FALSE,因为日期没有分位数方法。

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。

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。

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。

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

此步骤是非典型的,因为在烘焙时,new_data 参数被忽略;生成的数据集基于固定和分析变量的信息。

整理

当您 tidy() 此步骤时,将返回包含列 terms(将受影响的列)和 type(已修复或已分析的列)的 tibble。

箱重

底层操作不允许使用案例权重。

例子

data(Sacramento, package = "modeldata")

# Setup a grid across beds but keep the other values fixed
recipe(~ city + price + beds, data = Sacramento) %>%
  step_profile(-beds, profile = vars(beds)) %>%
  prep(training = Sacramento) %>%
  bake(new_data = NULL)
#> # A tibble: 6 × 3
#>   city      price  beds
#>   <fct>     <int> <int>
#> 1 ANTELOPE 220000     1
#> 2 ANTELOPE 220000     2
#> 3 ANTELOPE 220000     3
#> 4 ANTELOPE 220000     4
#> 5 ANTELOPE 220000     5
#> 6 ANTELOPE 220000     8

##########

# An *additive* model; not for use when there are interactions or
# other functional relationships between predictors

lin_mod <- lm(mpg ~ poly(disp, 2) + cyl + hp, data = mtcars)

# Show the difference in the two grid creation methods

disp_pctl <- recipe(~ disp + cyl + hp, data = mtcars) %>%
  step_profile(-disp, profile = vars(disp)) %>%
  prep(training = mtcars)

disp_grid <- recipe(~ disp + cyl + hp, data = mtcars) %>%
  step_profile(
    -disp,
    profile = vars(disp),
    grid = list(pctl = FALSE, len = 100)
  ) %>%
  prep(training = mtcars)

grid_data <- bake(disp_grid, new_data = NULL)
grid_data <- grid_data %>%
  mutate(
    pred = predict(lin_mod, grid_data),
    method = "grid"
  )

pctl_data <- bake(disp_pctl, new_data = NULL)
pctl_data <- pctl_data %>%
  mutate(
    pred = predict(lin_mod, pctl_data),
    method = "percentile"
  )

plot_data <- bind_rows(grid_data, pctl_data)

library(ggplot2)

ggplot(plot_data, aes(x = disp, y = pred)) +
  geom_point(alpha = .5, cex = 1) +
  facet_wrap(~method)

源代码:R/profile.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 Create a Profiling Version of a Data Set。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。