R embed step_umap 有监督和无监督均匀流形逼近和投影 (UMAP)

step_umap() 创建配方步骤的规范，将一组函数投射到更小的空间中。

用法

step_umap(
  recipe,
  ...,
  role = "predictor",
  trained = FALSE,
  outcome = NULL,
  neighbors = 15,
  num_comp = 2,
  min_dist = 0.01,
  metric = "euclidean",
  learn_rate = 1,
  epochs = NULL,
  options = list(verbose = FALSE, n_threads = 1),
  seed = sample(10^5, 2),
  prefix = "UMAP",
  keep_original_cols = FALSE,
  retain = deprecated(),
  object = NULL,
  skip = FALSE,
  id = rand_id("umap")
)

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。

outcome

调用 vars 以指定哪个变量用作编码过程的结果(如果有)。

neighbors

用于构造目标单纯形集的最近邻数的整数。如果neighbors大于数据点数，则使用较小的值。

num_comp

UMAP 组件数量的整数。如果num_comp 大于所选列的数量减一，则使用较小的值。

min_dist

嵌入点之间的有效最小距离。

metric

字符，用于查找最近邻居的距离度量类型。有关更多详细信息，请参阅uwot::umap()。默认为 "euclidean" 。

learn_rate

优化过程的学习率的正数。

epochs

邻居优化的迭代次数。有关更多详细信息，请参阅uwot::umap()。

options

要传递给 uwot::umap() 的选项列表。不应在此处传递参数 X 、 n_neighbors 、 n_components 、 min_dist 、 n_epochs 、 ret_model 和 learning_rate 。默认情况下，设置verbose 和n_threads。

seed

用于控制数值方法使用的随机数的两个整数。默认值从主会话的数字流中提取，如果在调用 prep() 或 bake() 之前设置种子，则将给出可重现的结果。

prefix

生成的新变量的前缀字符串。请参阅下面的注释。

keep_original_cols

将原始变量保留在输出中的逻辑。默认为 FALSE 。

retain

使用 keep_original_cols 来指定是否应与新的嵌入变量一起保留原始预测变量。

object

定义编码的对象。在 recipes::prep() 训练该步骤之前，这是 NULL 。

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

UMAP 是统一流形逼近和投影的缩写，是一种非线性降维技术，可找到数据的局部低维表示。它可以在无人监督的情况下运行，也可以使用不同类型的结果数据(例如数字、因子等)进行监督。

参数 num_comp 控制将保留的组件数量(用于派生组件的原始变量将从数据中删除)。新组件的名称以 prefix 和一系列数字开头。变量名称用零填充。例如，如果 num_comp < 10 ，它们的名称将为 UMAP1 - UMAP9 。如果是 num_comp = 101 ，则名称将为 UMAP1 - UMAP101 。

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。

调整参数

此步骤有 5 个调整参数：

• num_comp : # 组件(类型：整数，默认值：2)

• neighbors : # 最近邻居(类型：整数，默认值：15)

• min_dist：点之间的最小距离(类型：double，默认值：0.01)

• learn_rate：学习率(类型：double，默认值：1)

• epochs : # Epochs(类型：整数，默认值：NULL)

箱重

底层操作不允许使用案例权重。

保存准备好的配方对象

当保存以供另一个 R 会话使用时，此配方步骤可能需要本机序列化。要了解有关准备菜谱序列化的更多信息，请参阅bundle 包。

参考

麦金尼斯，L.，&希利，J.(2018)。 UMAP：统一流形逼近和降维投影。 https://arxiv.org/abs/1802.03426。

“UMAP 的工作原理”https://umap-learn.readthedocs.io/en/latest/how_umap_works.html

例子

library(recipes)
library(ggplot2)

split <- seq.int(1, 150, by = 9)
tr <- iris[-split, ]
te <- iris[split, ]

set.seed(11)
supervised <-
  recipe(Species ~ ., data = tr) %>%
  step_center(all_predictors()) %>%
  step_scale(all_predictors()) %>%
  step_umap(all_predictors(), outcome = vars(Species), num_comp = 2) %>%
  prep(training = tr)

theme_set(theme_bw())

bake(supervised, new_data = te, Species, starts_with("umap")) %>%
  ggplot(aes(x = UMAP1, y = UMAP2, col = Species)) +
  geom_point(alpha = .5)