R recipes step_impute_bag 通過袋裝樹進行插補

step_impute_bag() 創建配方步驟的規範，該步驟將創建袋裝樹模型來估算丟失的數據。

用法

step_impute_bag(
  recipe,
  ...,
  role = NA,
  trained = FALSE,
  impute_with = imp_vars(all_predictors()),
  trees = 25,
  models = NULL,
  options = list(keepX = FALSE),
  seed_val = sample.int(10^4, 1),
  skip = FALSE,
  id = rand_id("impute_bag")
)

step_bagimpute(
  recipe,
  ...,
  role = NA,
  trained = FALSE,
  impute_with = imp_vars(all_predictors()),
  trees = 25,
  models = NULL,
  options = list(keepX = FALSE),
  seed_val = sample.int(10^4, 1),
  skip = FALSE,
  id = rand_id("impute_bag")
)

imp_vars(...)

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選擇要估算的變量。當與 imp_vars 一起使用時，這些點指示哪些變量用於預測每個變量中的缺失數據。有關更多詳細信息，請參閱selections()。
role: 由於沒有創建新變量，因此此步驟未使用。
trained: 指示預處理數量是否已估計的邏輯。
impute_with: 調用 imp_vars 來指定使用哪些變量來插補變量，這些變量可以包含由逗號或不同選擇器分隔的特定變量名稱(請參閱 selections() )。如果某個列同時包含在要插補的列表和插補預測變量的列表中，則該列將從後者中刪除，並且不會用於插補本身。
trees: 每個模型中使用的袋裝樹數量的整數。
models: 一旦 prep() 訓練了這個 bagged 樹，ipred::ipredbagg() 對象就會存儲在這裏。
options: ipred::ipredbagg() 的選項列表。參數 nbagg 和 keepX 設置為默認值，但可以傳入其他參數。請注意，不應在此處傳遞參數 X 和 y。
seed_val: 用於創建可重現模型的整數。所有插補模型都使用相同的種子。
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

對於每個需要插補的變量，都會創建一個袋裝樹，其中結果是感興趣的變量，預測變量是 impute_with 公式中列出的任何其他變量。 bagged 樹的優點之一是它可以接受本身具有缺失值的預測變量。當感興趣的變量(和預測變量)是數值變量或分類變量時，可以使用此插補方法。估算的分類變量將保持分類。此外，整數也將被歸算為整數。

請注意，如果要估算的變量也在 impute_with 中，則該變量將被忽略。

如果大多數(或全部)插補變量也缺失，則插補後可能仍會出現缺失值。

從 recipes 0.1.16 開始，該函數名稱從 step_bagimpute() 更改為 step_impute_bag() 。

整理

當您tidy()此步驟時，將返回包含列terms(選擇的選擇器或變量)和model(袋裝樹對象)的tibble。

調整參數

此步驟有 1 個調整參數：

trees : # 樹(類型：整數，默認值：25)

箱重

底層操作不允許使用案例權重。

參考

庫恩，M. 和約翰遜，K. (2013)。應用預測建模。施普林格出版社。

也可以看看

其他插補步驟： step_impute_knn() 、 step_impute_linear() 、 step_impute_lower() 、 step_impute_mean() 、 step_impute_median() 、 step_impute_mode() 、 step_impute_roll()

例子

data("credit_data", package = "modeldata")

## missing data per column
vapply(credit_data, function(x) mean(is.na(x)), c(num = 0))
#>       Status    Seniority         Home         Time          Age 
#> 0.0000000000 0.0000000000 0.0013471037 0.0000000000 0.0000000000 
#>      Marital      Records          Job     Expenses       Income 
#> 0.0002245173 0.0000000000 0.0004490346 0.0000000000 0.0855410867 
#>       Assets         Debt       Amount        Price 
#> 0.0105523125 0.0040413112 0.0000000000 0.0000000000 

set.seed(342)
in_training <- sample(1:nrow(credit_data), 2000)

credit_tr <- credit_data[in_training, ]
credit_te <- credit_data[-in_training, ]
missing_examples <- c(14, 394, 565)

rec <- recipe(Price ~ ., data = credit_tr)
if (FALSE) {
impute_rec <- rec %>%
  step_impute_bag(Status, Home, Marital, Job, Income, Assets, Debt)

imp_models <- prep(impute_rec, training = credit_tr)

imputed_te <- bake(imp_models, new_data = credit_te, everything())

credit_te[missing_examples, ]
imputed_te[missing_examples, names(credit_te)]

tidy(impute_rec, number = 1)
tidy(imp_models, number = 1)

## Specifying which variables to imputate with

impute_rec <- rec %>%
  step_impute_bag(Status, Home, Marital, Job, Income, Assets, Debt,
    impute_with = imp_vars(Time, Age, Expenses),
    # for quick execution, nbagg lowered
    options = list(nbagg = 5, keepX = FALSE)
  )

imp_models <- prep(impute_rec, training = credit_tr)

imputed_te <- bake(imp_models, new_data = credit_te, everything())

credit_te[missing_examples, ]
imputed_te[missing_examples, names(credit_te)]

tidy(impute_rec, number = 1)
tidy(imp_models, number = 1)
}

源代碼：R/impute_bag.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 Impute via bagged trees。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。