R recipes step_kpca 內核PCA信號提取

step_kpca() 創建配方步驟的規範，該步驟將使用內核基礎擴展將數值數據轉換為一個或多個主成分。

用法

step_kpca(
  recipe,
  ...,
  role = "predictor",
  trained = FALSE,
  num_comp = 5,
  res = NULL,
  columns = NULL,
  options = list(kernel = "rbfdot", kpar = list(sigma = 0.2)),
  prefix = "kPC",
  keep_original_cols = FALSE,
  skip = FALSE,
  id = rand_id("kpca")
)

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_comp

保留作為新預測變量的組件數量。如果num_comp大於列數或可能組件的數量，則將使用較小的值。如果設置了 num_comp = 0 ，則不會進行任何轉換，並且所選變量將保持不變，無論 keep_original_cols 的值如何。

res

一旦 prep() 訓練了該預處理步驟，S4 kernlab::kpca() 對象就會存儲在此處。

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。

options

kernlab::kpca() 的選項列表。默認值是為參數 kernel 和 kpar 設置的，但其他參數可以傳入。請注意，參數 x 和 features 不應在此處傳遞(或根本不傳遞)。

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

當執行 kPCA 時step_kpca()，您必須選擇核函數(以及任何重要的核參數)。此步驟使用內核實驗室包;下麵的參考文獻討論了可用內核的類型及其參數。這些規格可以在kernel和kpar的插槽options參數step_kpca()。考慮使用step_kpca_rbf()對於徑向基函數核或step_kpca_poly()對於多項式核。

核主成分分析 (kPCA) 是 PCA 分析的擴展，它在核函數定義的更廣泛的維度上進行計算。例如，如果使用二次核函數，則每個變量將由其原始值及其平方表示。這種非線性映射在 PCA 分析過程中使用，可能有助於找到原始數據的更好表示。

此步驟需要內核實驗室包。如果未安裝，該步驟將停止並提示安裝該軟件包。

與普通 PCA 一樣，在計算 PCA 分量之前對變量進行居中和縮放非常重要(step_normalize() 可用於此目的)。

參數 num_comp 控製將保留的組件數量(用於派生組件的原始變量將從數據中刪除)。新組件的名稱以 prefix 和一係列數字開頭。變量名稱用零填充。例如，如果 num_comp < 10 ，它們的名稱將為 kPC1 - kPC9 。如果是 num_comp = 101 ，則名稱將為 kPC1 - kPC101 。

tidy() 結果

當您tidy()此步驟時，將返回帶有terms列(選擇的選擇器或變量)的tibble。

箱重

底層操作不允許使用案例權重。

參考

Scholkopf, B.、Smola, A. 和 Muller, K. (1997)。核主成分分析。計算機科學講義，1327, 583-588。

Karatzoglou, K.、Smola, A.、Hornik, K. 和 Zeileis, A. (2004)。 kernlab - R. Journal of Statistical Software, 11(1), 1-20 中用於內核方法的 S4 包.

也可以看看

例子

library(ggplot2)
data(biomass, package = "modeldata")

biomass_tr <- biomass[biomass$dataset == "Training", ]
biomass_te <- biomass[biomass$dataset == "Testing", ]

rec <- recipe(
  HHV ~ carbon + hydrogen + oxygen + nitrogen + sulfur,
  data = biomass_tr
)

kpca_trans <- rec %>%
  step_YeoJohnson(all_numeric_predictors()) %>%
  step_normalize(all_numeric_predictors()) %>%
  step_kpca(all_numeric_predictors())

kpca_estimates <- prep(kpca_trans, training = biomass_tr)

kpca_te <- bake(kpca_estimates, biomass_te)

ggplot(kpca_te, aes(x = kPC1, y = kPC2)) +
  geom_point() +
  coord_equal()


tidy(kpca_trans, number = 3)
#> # A tibble: 1 × 2
#>   terms                    id        
#>   <chr>                    <chr>     
#> 1 all_numeric_predictors() kpca_ntsLB
tidy(kpca_estimates, number = 3)
#> # A tibble: 5 × 2
#>   terms    id        
#>   <chr>    <chr>     
#> 1 carbon   kpca_ntsLB
#> 2 hydrogen kpca_ntsLB
#> 3 oxygen   kpca_ntsLB
#> 4 nitrogen kpca_ntsLB
#> 5 sulfur   kpca_ntsLB