R themis step_tomek 删除 Tomek 的链接

step_tomek() 创建一个配方步骤的规范，该步骤删除 tomek 链接的大多数类实例。

用法

step_tomek(
  recipe,
  ...,
  role = NA,
  trained = FALSE,
  column = NULL,
  skip = TRUE,
  seed = sample.int(10^5, 1),
  id = rand_id("tomek")
)

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选择使用哪个变量对数据进行采样。有关更多详细信息，请参阅selections()。选择应产生单因子变量。对于tidy 方法，当前未使用这些。
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。
column: 将由 ... 选择器(最终)填充的变量名称的字符串。
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。
seed: 应用时将用作种子的整数。
id: 该步骤特有的字符串，用于标识它。

值

recipe 的更新版本，其中新步骤添加到现有步骤(如果有)的序列中。对于 tidy 方法，包含 terms 列的 tibble，它是用于采样的变量。

细节

用于平衡的因子变量只能有 2 个水平。所有其他变量必须是没有缺失数据的数字。

tomek 链接被定义为一对来自不同类且彼此最近的邻居点。

数据中的所有列均由 juice() 和 bake() 采样并返回。

在建模中使用时，用户应强烈考虑使用选项skip = TRUE，以便不在训练集之外进行额外采样。

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)的tibble。

箱重

底层操作不允许使用案例权重。

参考

托梅克. cnn.2 的两个修改IEEE 传输。系统。曼·赛博恩 (Man Cybern)，6：769-772，1976 年。

也可以看看

tomek() 直接实现

under-sampling 的其他步骤：step_downsample()、step_nearmiss()

例子

library(recipes)
library(modeldata)
data(hpc_data)

hpc_data0 <- hpc_data %>%
  select(-protocol, -day)

orig <- count(hpc_data0, class, name = "orig")
orig
#> # A tibble: 4 × 2
#>   class  orig
#>   <fct> <int>
#> 1 VF     2211
#> 2 F      1347
#> 3 M       514
#> 4 L       259

up_rec <- recipe(class ~ ., data = hpc_data0) %>%
  step_tomek(class) %>%
  prep()

training <- up_rec %>%
  bake(new_data = NULL) %>%
  count(class, name = "training")
training
#> # A tibble: 4 × 2
#>   class training
#>   <fct>    <int>
#> 1 VF        1911
#> 2 F         1011
#> 3 M          379
#> 4 L          210

# Since `skip` defaults to TRUE, baking the step has no effect
baked <- up_rec %>%
  bake(new_data = hpc_data0) %>%
  count(class, name = "baked")
baked
#> # A tibble: 4 × 2
#>   class baked
#>   <fct> <int>
#> 1 VF     2211
#> 2 F      1347
#> 3 M       514
#> 4 L       259

orig %>%
  left_join(training, by = "class") %>%
  left_join(baked, by = "class")
#> # A tibble: 4 × 4
#>   class  orig training baked
#>   <fct> <int>    <int> <int>
#> 1 VF     2211     1911  2211
#> 2 F      1347     1011  1347
#> 3 M       514      379   514
#> 4 L       259      210   259

library(ggplot2)

ggplot(circle_example, aes(x, y, color = class)) +
  geom_point() +
  labs(title = "Without Tomek") +
  xlim(c(1, 15)) +
  ylim(c(1, 15))


recipe(class ~ x + y, data = circle_example) %>%
  step_tomek(class) %>%
  prep() %>%
  bake(new_data = NULL) %>%
  ggplot(aes(x, y, color = class)) +
  geom_point() +
  labs(title = "With Tomek") +
  xlim(c(1, 15)) +
  ylim(c(1, 15))

源代码：R/tomek.R

相关用法

注：本文由纯净天空筛选整理自等大神的英文原创作品 Remove Tomek’s Links。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。