R recipes step_relu 应用(平滑)修正线性变换

step_relu() 创建配方步骤的规范，该步骤将变量的校正线性或 softplus 变换添加到数据集。

用法

step_relu(
  recipe,
  ...,
  role = "predictor",
  trained = FALSE,
  shift = 0,
  reverse = FALSE,
  smooth = FALSE,
  prefix = "right_relu_",
  columns = NULL,
  skip = FALSE,
  id = rand_id("relu")
)

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。
shift: 指示要应用于数据的转换的数值。
reverse: 指示是否应使用左铰链而不是右铰链的逻辑。
smooth: 指示是否应使用 softplus 函数(修正线性变换的平滑近似)的逻辑。
prefix: 生成的列名称的前缀，对于右铰链转换默认为 "right_relu_"，对于反向/左铰链转换默认为 "left_relu_"。
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。
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

修正线性变换计算如下

也称为ReLu 或右铰链函数。如果reverse为 true，则变换将反映在 y 轴上，如下所示：

设置smooth选项为 true 将根据以下公式计算 ReLu 的平滑近似值

reverse论证也可以应用于这种转变。

连接火星

修正线性变换在多元自适应回归样条中用作基函数，以类似于基于树的模型中采用的策略将分段线性函数拟合到数据。该变换是许多神经网络中作为激活函数的流行选择，在使用 ReLu 激活时，可以将其视为 MARS 的堆叠泛化。铰链函数也出现在支持向量机的损失函数中，只有当残差在决策边界的一定范围内时，它才会对残差进行惩罚。

箱重

底层操作不允许使用案例权重。

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_ns() , step_percentile() , step_poly() , 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
)

transformed_te <- rec %>%
  step_relu(carbon, shift = 40) %>%
  prep(biomass_tr) %>%
  bake(biomass_te)

transformed_te
#> # A tibble: 80 × 7
#>    carbon hydrogen oxygen nitrogen sulfur   HHV right_relu_carbon
#>     <dbl>    <dbl>  <dbl>    <dbl>  <dbl> <dbl>             <dbl>
#>  1   46.4     5.67   47.2     0.3    0.22  18.3              6.35
#>  2   43.2     5.5    48.1     2.85   0.34  17.6              3.25
#>  3   42.7     5.5    49.1     2.4    0.3   17.2              2.70
#>  4   46.4     6.1    37.3     1.8    0.5   18.9              6.4 
#>  5   48.8     6.32   42.8     0.2    0     20.5              8.76
#>  6   44.3     5.5    41.7     0.7    0.2   18.5              4.30
#>  7   38.9     5.23   54.1     1.19   0.51  15.1              0   
#>  8   42.1     4.66   33.8     0.95   0.2   16.2              2.10
#>  9   29.2     4.4    31.1     0.14   4.9   11.1              0   
#> 10   27.8     3.77   23.7     4.63   1.05  10.8              0   
#> # ℹ 70 more rows

源代码：R/relu.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 Apply (Smoothed) Rectified Linear Transformation。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。