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。
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Gelman, A. (2007)“通过除以两个标准差来缩放回归输入。”未发表。来源:http://www.stat.columbia.edu/~gelman/research/unpublished/standardizing.pdf.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
相关用法
- R recipes step_select 使用 dplyr 选择变量
- R recipes step_spline_b 基础样条
- R recipes step_shuffle 随机排列变量
- R recipes step_string2factor 将字符串转换为因子
- R recipes step_spline_nonnegative 非负样条
- R recipes step_sample 使用 dplyr 的示例行
- R recipes step_spline_natural 自然样条
- R recipes step_spline_convex 凸样条
- R recipes step_slice 使用 dplyr 按位置过滤行
- R recipes step_sqrt 平方根变换
- R recipes step_spline_monotone 单调样条
- R recipes step_spatialsign 空间符号预处理
- 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_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_depth 数据深度
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。