R embed step_pca_truncated 截斷的 PCA 信號提取

step_pca_truncated() 創建配方步驟的規範，該步驟將數字數據轉換為一個或多個主成分。它被截斷，因為它隻計算所要求的組件數量，而不是像 recipes::step_pca() 中那樣計算所有組件的數量。

用法

step_pca_truncated(
  recipe,
  ...,
  role = "predictor",
  trained = FALSE,
  num_comp = 5,
  options = list(),
  res = NULL,
  columns = NULL,
  prefix = "PC",
  keep_original_cols = FALSE,
  skip = FALSE,
  id = rand_id("pca_truncated")
)

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。
options: irlba::prcomp_irlba() 默認方法的選項列表。參數默認設置為 retx = FALSE 、 center = FALSE 、 scale. = FALSE 和 tol = NULL 。請注意，參數 x 不應在此處傳遞(或根本不傳遞)。
res: 一旦 prep() 訓練了該預處理步驟，irlba::prcomp_irlba() 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。
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

主成分分析 (PCA) 是一組變量的轉換，可產生一組新的人工特征或成分。這些組件旨在捕獲原始變量中的最大信息量(即方差)。此外，這些組件在統計上彼此獨立。這意味著它們可用於對抗數據集中的大量 inter-variables 相關性。

建議在運行 PCA 之前對變量進行標準化。在這裏，每個變量將在 PCA 計算之前居中並縮放。可以使用 options 參數或使用 step_center() 和 step_scale() 進行更改。

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 PC1 - PC9 。如果是 num_comp = 101 ，則名稱將為 PC1 - PC101 。

整理

當您 tidy() 此步驟時，使用 type = "coef" 表示每個組件的變量加載，或使用 type = "variance" 表示每個組件所占的方差。

調整參數

此步驟有 1 個調整參數：

num_comp : # 組件(類型：整數，默認值：5)

箱重

此步驟執行可以利用案例權重的無監督操作。因此，個案權重僅與頻率權重一起使用。有關更多信息，請參閱 case_weights 中的文檔和 tidymodels.org 中的示例。

參考

喬利夫，I.T. (2010)。主成分分析。施普林格。

例子

rec <- recipe(~., data = mtcars)
pca_trans <- rec %>%
  step_normalize(all_numeric()) %>%
  step_pca_truncated(all_numeric(), num_comp = 2)
pca_estimates <- prep(pca_trans, training = mtcars)
pca_data <- bake(pca_estimates, mtcars)

rng <- extendrange(c(pca_data$PC1, pca_data$PC2))
plot(pca_data$PC1, pca_data$PC2,
  xlim = rng, ylim = rng
)


tidy(pca_trans, number = 2)
#> # A tibble: 1 × 4
#>   terms         value component id                 
#>   <chr>         <dbl> <chr>     <chr>              
#> 1 all_numeric()    NA NA        pca_truncated_AGa8C
tidy(pca_estimates, number = 2)
#> # A tibble: 22 × 4
#>    terms  value component id                 
#>    <chr>  <dbl> <chr>     <chr>              
#>  1 mpg    0.363 PC1       pca_truncated_AGa8C
#>  2 cyl   -0.374 PC1       pca_truncated_AGa8C
#>  3 disp  -0.368 PC1       pca_truncated_AGa8C
#>  4 hp    -0.330 PC1       pca_truncated_AGa8C
#>  5 drat   0.294 PC1       pca_truncated_AGa8C
#>  6 wt    -0.346 PC1       pca_truncated_AGa8C
#>  7 qsec   0.200 PC1       pca_truncated_AGa8C
#>  8 vs     0.307 PC1       pca_truncated_AGa8C
#>  9 am     0.235 PC1       pca_truncated_AGa8C
#> 10 gear   0.207 PC1       pca_truncated_AGa8C
#> # ℹ 12 more rows

源代碼：R/pca_truncated.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 Truncated PCA Signal Extraction。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。