R recipes step_lincomb 線性組合濾波器

step_lincomb() 創建配方步驟的規範，該步驟可能會刪除它們之間具有精確線性組合的數值變量。

用法

step_lincomb(
  recipe,
  ...,
  role = NA,
  trained = FALSE,
  max_steps = 5,
  removals = NULL,
  skip = FALSE,
  id = rand_id("lincomb")
)

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: 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。
max_steps: 應用算法的次數。
removals: 包含應刪除的列名稱的字符串。這些值直到調用 prep() 後才確定。
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

此步驟可能會從數據集中刪除列。如果通過名稱專門引用缺失的列，這可能會導致配方中的後續步驟出現問題。為了避免這種情況，請參閱 selections 的“保存配方和過濾列的提示”部分中的建議。

此步驟查找兩個或多個變量之間的精確線性組合，並建議應刪除哪些列以解決問題。該算法可能需要多次應用(如 max_steps 所定義)。

整理

當您tidy()此步驟時，將返回帶有列terms(將被刪除的列)的tibble。

箱重

底層操作不允許使用案例權重。

也可以看看

其他變量過濾步驟：step_corr()、step_filter_missing()、step_nzv()、step_rm()、step_select()、step_zv()

作者

馬克斯·庫恩、柯克·梅特勒和傑德·溫

例子

data(biomass, package = "modeldata")

biomass$new_1 <- with(
  biomass,
  .1 * carbon - .2 * hydrogen + .6 * sulfur
)
biomass$new_2 <- with(
  biomass,
  .5 * carbon - .2 * oxygen + .6 * nitrogen
)

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

rec <- recipe(HHV ~ carbon + hydrogen + oxygen + nitrogen +
  sulfur + new_1 + new_2,
data = biomass_tr
)

lincomb_filter <- rec %>%
  step_lincomb(all_numeric_predictors())

lincomb_filter_trained <- prep(lincomb_filter, training = biomass_tr)
lincomb_filter_trained
#> 
#> ── Recipe ────────────────────────────────────────────────────────────────
#> 
#> ── Inputs 
#> Number of variables by role
#> outcome:   1
#> predictor: 7
#> 
#> ── Training information 
#> Training data contained 456 data points and no incomplete rows.
#> 
#> ── Operations 
#> • Linear combination filter removed: new_1, new_2 | Trained

tidy(lincomb_filter, number = 1)
#> # A tibble: 1 × 2
#>   terms                    id           
#>   <chr>                    <chr>        
#> 1 all_numeric_predictors() lincomb_IeIAm
tidy(lincomb_filter_trained, number = 1)
#> # A tibble: 2 × 2
#>   terms id           
#>   <chr> <chr>        
#> 1 new_1 lincomb_IeIAm
#> 2 new_2 lincomb_IeIAm

源代碼：R/lincomb.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 Linear Combination Filter。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。