R recipes step_indicate_na 創建缺失數據列指示器

step_indicate_na() 創建配方步驟的規範，該步驟將創建附加二進製列並將其附加到數據集以指示缺少哪些觀測值。

用法

step_indicate_na(
  recipe,
  ...,
  role = "predictor",
  trained = FALSE,
  columns = NULL,
  prefix = "na_ind",
  keep_original_cols = TRUE,
  skip = FALSE,
  id = rand_id("indicate_na")
)

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。
columns: 所選變量名稱的字符串。該字段是一個占位符，一旦使用 prep() 就會被填充。
prefix: 將作為結果新變量的前綴的字符串。默認為"na_ind"。
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。

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(中值)的小標題。

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_multi_choice() , step_dummy() , step_factor2string() , step_holiday() , step_integer() , step_novel() , step_num2factor() , step_ordinalscore() , step_other() , step_regex() , step_relevel() , step_string2factor() , step_time() , step_unknown() , step_unorder()

例子

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

## missing data per column
purrr::map_dbl(credit_data, function(x) mean(is.na(x)))
#>       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, ]

rec <- recipe(Price ~ ., data = credit_tr)

impute_rec <- rec %>%
  step_indicate_na(Income, Assets, Debt)

imp_models <- prep(impute_rec, training = credit_tr)

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

源代碼：R/indicate_na.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 Create Missing Data Column Indicators。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。