step_spline_natural()
创建创建自然样条特征的配方步骤的规范。
用法
step_spline_natural(
recipe,
...,
role = "predictor",
trained = FALSE,
deg_free = 10,
complete_set = FALSE,
options = NULL,
keep_original_cols = FALSE,
results = NULL,
skip = FALSE,
id = rand_id("spline_natural")
)
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。
- deg_free
-
自然样条的自由度。随着自然样条自由度的增加,可以生成更灵活和复杂的曲线。这一步需要至少两个自由度。
- complete_set
-
如果
TRUE
,将返回完整的基础矩阵。否则,第一个基础将从输出中排除。这映射到intercept
相应函数的参数样条2包并具有相同的默认值。 - options
-
splines2::mSpline()
的选项列表,不应包含x
、df
或intercept
。 - keep_original_cols
-
将原始变量保留在输出中的逻辑。默认为
FALSE
。 - results
-
训练步骤后创建的对象列表。
- 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
样条变换采用数字列并创建多个特征,当在模型中使用这些特征时,可以估计列和某些结果之间的非线性趋势。自由度决定了向数据添加多少新特征。
该样条函数是分段三次多项式函数。
如果所选列的样条扩展失败,该步骤将删除该列的结果(但将保留原始数据)。使用tidy()
方法确定使用了哪些列。
整理
当您tidy()
此步骤时,将返回带有列terms
(将受影响的列)的tibble。
例子
library(tidyr)
library(dplyr)
library(ggplot2)
data(ames, package = "modeldata")
spline_rec <- recipe(Sale_Price ~ Longitude, data = ames) %>%
step_spline_natural(Longitude, deg_free = 6, keep_original_cols = TRUE) %>%
prep()
tidy(spline_rec, number = 1)
#> # A tibble: 1 × 2
#> terms id
#> <chr> <chr>
#> 1 Longitude spline_natural_g2f22
# Show where each feature is active
spline_rec %>%
bake(new_data = NULL,-Sale_Price) %>%
pivot_longer(c(starts_with("Longitude_")), names_to = "feature", values_to = "value") %>%
mutate(feature = gsub("Longitude_", "feature ", feature)) %>%
filter(value > 0) %>%
ggplot(aes(x = Longitude, y = value)) +
geom_line() +
facet_wrap(~ feature)
相关用法
- R recipes step_spline_nonnegative 非负样条
- R recipes step_spline_b 基础样条
- R recipes step_spline_convex 凸样条
- R recipes step_spline_monotone 单调样条
- R recipes step_spatialsign 空间符号预处理
- R recipes step_select 使用 dplyr 选择变量
- R recipes step_shuffle 随机排列变量
- R recipes step_scale 缩放数值数据
- R recipes step_string2factor 将字符串转换为因子
- R recipes step_sample 使用 dplyr 的示例行
- 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_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 Natural Splines。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。