R recipes step_scale 缩放数值数据

step_scale() 创建配方步骤的规范，该规范将标准化数值数据以使其标准差为 1。

用法

step_scale(
  recipe,
  ...,
  role = NA,
  trained = FALSE,
  sds = NULL,
  factor = 1,
  na_rm = TRUE,
  skip = FALSE,
  id = rand_id("scale")
)

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。
sds: 标准差的命名数值向量。在由 prep() 计算之前，这是 NULL 。
factor: 1 或 2 的数值，将数字输入缩放一或两个标准差。通过除以两个标准差，可以用与二进制输入相同的方式解释附加到连续预测变量的系数。默认为 1 。更多内容请参考下文。
na_rm: 一个逻辑值，指示计算标准差时是否应删除 NA 值。
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

缩放数据意味着从数据中除掉变量的标准差。 step_scale 根据 prep.recipe 的 training 参数中使用的数据估计变量标准差。 bake.recipe 然后使用这些标准差将缩放应用于新数据集。

整理

当您 tidy() 此步骤时，将返回包含列 terms(选择的选择器或变量)和 value(标准差)的小标题。

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

Gelman, A. (2007)“通过除以两个标准差来缩放回归输入。”未发表。来源：http://www.stat.columbia.edu/~gelman/research/unpublished/standardizing.pdf.

也可以看看

其他标准化步骤：step_center()、step_normalize()、step_range()

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
)

scaled_trans <- rec %>%
  step_scale(carbon, hydrogen)

scaled_obj <- prep(scaled_trans, training = biomass_tr)

transformed_te <- bake(scaled_obj, biomass_te)

biomass_te[1:10, names(transformed_te)]
#>    carbon hydrogen oxygen nitrogen sulfur    HHV
#> 15  46.35     5.67  47.20     0.30   0.22 18.275
#> 20  43.25     5.50  48.06     2.85   0.34 17.560
#> 26  42.70     5.50  49.10     2.40   0.30 17.173
#> 31  46.40     6.10  37.30     1.80   0.50 18.851
#> 36  48.76     6.32  42.77     0.20   0.00 20.547
#> 41  44.30     5.50  41.70     0.70   0.20 18.467
#> 46  38.94     5.23  54.13     1.19   0.51 15.095
#> 51  42.10     4.66  33.80     0.95   0.20 16.240
#> 55  29.20     4.40  31.10     0.14   4.90 11.147
#> 65  27.80     3.77  23.69     4.63   1.05 10.750
transformed_te
#> # A tibble: 80 × 6
#>    carbon hydrogen oxygen nitrogen sulfur   HHV
#>     <dbl>    <dbl>  <dbl>    <dbl>  <dbl> <dbl>
#>  1   4.45     4.74   47.2     0.3    0.22  18.3
#>  2   4.16     4.60   48.1     2.85   0.34  17.6
#>  3   4.10     4.60   49.1     2.4    0.3   17.2
#>  4   4.46     5.10   37.3     1.8    0.5   18.9
#>  5   4.68     5.28   42.8     0.2    0     20.5
#>  6   4.26     4.60   41.7     0.7    0.2   18.5
#>  7   3.74     4.37   54.1     1.19   0.51  15.1
#>  8   4.04     3.89   33.8     0.95   0.2   16.2
#>  9   2.81     3.68   31.1     0.14   4.9   11.1
#> 10   2.67     3.15   23.7     4.63   1.05  10.8
#> # ℹ 70 more rows
tidy(scaled_trans, number = 1)
#> # A tibble: 2 × 3
#>   terms    value id         
#>   <chr>    <dbl> <chr>      
#> 1 carbon      NA scale_nNppk
#> 2 hydrogen    NA scale_nNppk
tidy(scaled_obj, number = 1)
#> # A tibble: 2 × 3
#>   terms    value id         
#>   <chr>    <dbl> <chr>      
#> 1 carbon   10.4  scale_nNppk
#> 2 hydrogen  1.20 scale_nNppk

源代码：R/scale.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 Scaling Numeric Data。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。