R embed step_feature_hash 通過特征哈希創建虛擬變量

step_feature_hash() 已被棄用，取而代之的是 textrecipes::step_dummy_hash() 。此函數創建配方步驟的規範，該配方步驟將使用原始數據的級別將標稱數據(例如字符或因子)轉換為一個或多個數字二進製列。

用法

step_feature_hash(
  recipe,
  ...,
  role = "predictor",
  trained = FALSE,
  num_hash = 2^6,
  preserve = deprecated(),
  columns = NULL,
  keep_original_cols = FALSE,
  skip = FALSE,
  id = rand_id("feature_hash")
)

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()。

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。

num_hash

生成的虛擬變量列的數量。

preserve

使用 keep_original_cols 來指定除了新的虛擬變量之外是否還應保留選定的列。

columns

所選列的字符向量。在 recipes::prep() 訓練該步驟之前，這是 NULL 。

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

step_feature_hash() 將從因子或字符變量創建一組二進製虛擬變量。這些值本身用於確定應分配虛擬變量的行(而不是將該值映射到特定列)。

由於此方法不依賴於預先確定的列水平分配，因此可以毫無問題地將新因子水平添加到所選列。缺失值會導致所有散列列缺失值。

請注意，將級別分配給散列列並不會嘗試最大化分配。列的多個級別可能會映射到相同的散列列(即使是小數據集)。同樣，某些列可能全為零。對於任何使用散列列的配方，建議使用 zero-variance 過濾器(通過 recipes::step_zv() )。

整理

當您 tidy() 此步驟時，將返回包含 terms 列(選定的列)的 tibble。

箱重

底層操作不允許使用案例權重。

參考

Weinberger、K、A Dasgupta、J Langford、A Smola 和 J Attenberg。 2009.“大規模多任務學習的特征哈希”。第 26 屆國際機器學習年會論文集，1113-20。 ACM。

Kuhn 和 Johnson (2020) 特征工程和選擇：預測模型的實用方法。 CRC/查普曼廳https://bookdown.org/max/FES/encoding-predictors-with-many-categories.html

也可以看看

例子

data(grants, package = "modeldata")
rec <-
  recipe(class ~ sponsor_code, data = grants_other) %>%
  step_feature_hash(
    sponsor_code,
    num_hash = 2^6, keep_original_cols = TRUE
  ) %>%
  prep()
#> Warning: `step_feature_hash()` was deprecated in embed 0.2.0.
#> ℹ Please use `textrecipes::step_dummy_hash()` instead.

# How many of the 298 locations ended up in each hash column?
results <-
  bake(rec, new_data = NULL, starts_with("sponsor_code")) %>%
  distinct()

apply(results %>% select(-sponsor_code), 2, sum) %>% table()
#> .
#>  0  1  2  3  4  5  6  7  8  9 
#>  1  1  5 16 14  8  7  6  2  4