R recipes step_dummy_multi_choice 一起處理多個預測變量的水平

step_dummy_multi_choice() 創建配方步驟的規範，該步驟將多個標稱數據(例如字符或因子)轉換為原始數據級別的一個或多個數字二進製模型項。

用法

step_dummy_multi_choice(
  recipe,
  ...,
  role = "predictor",
  trained = FALSE,
  threshold = 0,
  levels = NULL,
  input = NULL,
  other = "other",
  naming = dummy_names,
  prefix = NULL,
  keep_original_cols = FALSE,
  skip = FALSE,
  id = rand_id("dummy_multi_choice")
)

參數

recipe: 一個菜譜對象。該步驟將添加到此配方的操作序列中。
...: 一個或多個選擇器函數用於為此步驟選擇變量。有關更多詳細信息，請參閱selections()。所選變量必須是因子。
role: 對於此步驟創建的模型項，應為其分配什麽分析角色？默認情況下，此步驟根據原始變量創建的新列將用作模型中的預測變量。
trained: 指示預處理數量是否已估計的邏輯。
threshold: 0 到 1 之間的數值，或者大於或等於 1 的整數。如果小於 1，則訓練集中出現率低於 threshold 的因子級別將被匯集到 other 。如果大於或等於 1，則該值被視為頻率，出現次數少於 threshold 的因子水平將被匯集到 other 。
levels: 包含為 terms 中包含的每個變量創建虛擬變量所需的信息的列表。在 prep() 訓練該步驟之前，這是 NULL 。
input: 包含所用列名稱的字符向量。在 prep() 訓練該步驟之前，這是 NULL 。
other: "other" 類別的單個字符值。
naming: 定義新虛擬列的命名約定的函數。請參閱下麵的詳細信息。
prefix: 生成的新變量的前綴字符串。請參閱下麵的注釋。
keep_original_cols: 將原始變量保留在輸出中的邏輯。默認為 FALSE 。
skip: 一個合乎邏輯的。當bake() 烘焙食譜時是否應該跳過此步驟？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。
id: 該步驟特有的字符串，用於標識它。

值

recipe 的更新版本，將新步驟添加到任何現有操作的序列中。

細節

計算類別的總體比例(或總計數)。 "other" 類別用於代替訓練集中個體比例(或頻率)小於 threshold 的任何分類級別。

此配方步驟允許對結果變量進行靈活命名。對於名為 x 且級別為 "a" 和 "b" 的無序因子，默認命名約定是創建一個名為 x_b 的新變量。可以使用naming參數更改命名格式；函數 dummy_names() 是默認函數。

調整參數

此步驟有 1 個調整參數：

threshold：閾值(類型：double，默認值：0)

箱重

底層操作不允許使用案例權重。

也可以看看

其他虛擬變量和編碼步驟：step_bin2factor() , step_count() , step_date() , step_dummy_extract() , step_dummy() , step_factor2string() , step_holiday() , step_indicate_na() , step_integer() , step_novel() , step_num2factor() , step_ordinalscore() , step_other() , step_regex() , step_relevel() , step_string2factor() , step_time() , step_unknown() , step_unorder()

例子

library(tibble)
languages <- tribble(
  ~lang_1,    ~lang_2,   ~lang_3,
  "English",  "Italian", NA,
  "Spanish",  NA,        "French",
  "Armenian", "English", "French",
  NA,         NA,        NA
)

dummy_multi_choice_rec <- recipe(~., data = languages) %>%
  step_dummy_multi_choice(starts_with("lang")) %>%
  prep()

bake(dummy_multi_choice_rec, new_data = NULL)
#> # A tibble: 4 × 5
#>   lang_1_Armenian lang_1_English lang_1_French lang_1_Italian
#>             <int>          <int>         <int>          <int>
#> 1               0              1             0              1
#> 2               0              0             1              0
#> 3               1              1             1              0
#> 4               0              0             0              0
#> # ℹ 1 more variable: lang_1_Spanish <int>
tidy(dummy_multi_choice_rec, number = 1)
#> # A tibble: 5 × 3
#>   terms  columns  id                      
#>   <chr>  <chr>    <chr>                   
#> 1 lang_1 Armenian dummy_multi_choice_kJsyR
#> 2 lang_1 English  dummy_multi_choice_kJsyR
#> 3 lang_1 French   dummy_multi_choice_kJsyR
#> 4 lang_1 Italian  dummy_multi_choice_kJsyR
#> 5 lang_1 Spanish  dummy_multi_choice_kJsyR

dummy_multi_choice_rec2 <- recipe(~., data = languages) %>%
  step_dummy_multi_choice(starts_with("lang"),
    prefix = "lang",
    threshold = 0.2
  ) %>%
  prep()

bake(dummy_multi_choice_rec2, new_data = NULL)
#> # A tibble: 4 × 2
#>   lang_English lang_other
#>          <int>      <int>
#> 1            1          1
#> 2            0          1
#> 3            1          1
#> 4            0          0
tidy(dummy_multi_choice_rec2, number = 1)
#> # A tibble: 2 × 3
#>   terms  columns id                      
#>   <chr>  <chr>   <chr>                   
#> 1 lang_1 English dummy_multi_choice_Cb4Qi
#> 2 lang_1 other   dummy_multi_choice_Cb4Qi

源代碼：R/dummy_multi_choice.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 Handle levels in multiple predictors together。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。