R recipes check_range 檢查範圍一致性

check_range 創建配方檢查的規範，該規範將檢查新數據中數值變量的範圍是否發生更改。

用法

check_range(
  recipe,
  ...,
  role = NA,
  skip = FALSE,
  trained = FALSE,
  slack_prop = 0.05,
  warn = FALSE,
  lower = NULL,
  upper = NULL,
  id = rand_id("range_check_")
)

參數

recipe: 一個菜譜對象。該檢查將添加到該配方的操作序列中。
...: 一個或多個選擇器函數用於選擇用於此檢查的變量。有關更多詳細信息，請參閱selections()。
role: 由於沒有創建新變量，因此此檢查未使用。
skip: 一個合乎邏輯的。當bake() 烘焙食譜時是否應該跳過檢查？雖然所有操作都是在 prep() 運行時烘焙的，但某些操作可能無法對新數據進行(例如處理結果變量)。使用skip = TRUE時應小心，因為它可能會影響後續操作的計算。
trained: ... 中的選擇器是否已由 prep() 解析的邏輯。
slack_prop: 允許的鬆弛作為訓練集中變量範圍的比例。
warn: 如果TRUE，檢查失敗時將拋出警告而不是錯誤。
lower: 訓練集中最小值的命名數值向量。在由 prep() 計算之前，這是 NULL 。
upper: 訓練集中最大值的命名數值向量。在由 prep() 計算之前，這是 NULL 。
id: 此檢查唯一的字符串，用於識別它。

值

recipe 的更新版本，將新檢查添加到任何現有操作的序列中。

細節

允許的鬆弛量由slack_prop 確定。這是長度為一或二的數字。如果長度為一，則在訓練集範圍的兩端將使用相同的比例。如果長度為二，則其第一個值用於計算下端允許的鬆弛，第二個值用於計算上端允許的鬆弛。

整理

當您tidy()進行此檢查時，將返回一個包含列terms(選擇的選擇器或變量)和value(平均值)的小標題。

也可以看看

其他檢查：check_class()、check_cols()、check_missing()、check_new_values()

例子

slack_df <- data_frame(x = 0:100)
#> Warning: `data_frame()` was deprecated in tibble 1.1.0.
#> ℹ Please use `tibble()` instead.
slack_new_data <- data_frame(x = -10:110)

# this will fail the check both ends
if (FALSE) {
recipe(slack_df) %>%
  check_range(x) %>%
  prep() %>%
  bake(slack_new_data)
}

# this will fail the check only at the upper end
if (FALSE) {
recipe(slack_df) %>%
  check_range(x, slack_prop = c(0.1, 0.05)) %>%
  prep() %>%
  bake(slack_new_data)
}

# give a warning instead of an error
if (FALSE) {
recipe(slack_df) %>%
  check_range(x, warn = TRUE) %>%
  prep() %>%
  bake(slack_new_data)
}

源代碼：R/range_check.R

相關用法

注：本文由純淨天空篩選整理自Max Kuhn等大神的英文原創作品 Check Range Consistency。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。