R recipes step_kpca_rbf 徑向基函數核PCA信號提取

step_kpca_rbf() 創建配方步驟的規範，該步驟將使用徑向基函數核基展開將數值數據轉換為一個或多個主成分。

用法

step_kpca_rbf(
  recipe,
  ...,
  role = "predictor",
  trained = FALSE,
  num_comp = 5,
  res = NULL,
  columns = NULL,
  sigma = 0.2,
  prefix = "kPC",
  keep_original_cols = FALSE,
  skip = FALSE,
  id = rand_id("kpca_rbf")
)

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。

sigma

徑向基函數參數的數值。

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

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。

調整參數

此步驟有 2 個調整參數：

• num_comp : # 組件(類型：整數，默認值：5)

• sigma：徑向基函數 sigma(類型：double，默認值：0.2)

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_rbf(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_rbf_voo0Z
tidy(kpca_estimates, number = 3)
#> # A tibble: 5 × 2
#>   terms    id            
#>   <chr>    <chr>         
#> 1 carbon   kpca_rbf_voo0Z
#> 2 hydrogen kpca_rbf_voo0Z
#> 3 oxygen   kpca_rbf_voo0Z
#> 4 nitrogen kpca_rbf_voo0Z
#> 5 sulfur   kpca_rbf_voo0Z