當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文


R recipes step_profile 創建數據集的分析版本


step_profile() 創建配方步驟的規範,該步驟將修複除一個變量之外的所有變量的級別,並將為其餘變量創建一係列值。在為加法模型創建部分回歸圖時,此步驟非常有用。

用法

step_profile(
  recipe,
  ...,
  profile = NULL,
  pct = 0.5,
  index = 1,
  grid = list(pctl = TRUE, len = 100),
  columns = NULL,
  role = NA,
  trained = FALSE,
  skip = FALSE,
  id = rand_id("profile")
)

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()

profile

調用 dplyr::vars() )以指定將分析哪個變量(請參閱 selections() )。如果某個列同時包含在要修複的列表和要分析的列表中,則會引發錯誤。

pct

0 到 1 之間的值,是固定連續變量的百分位數。這適用於選擇器捕獲的所有連續變量。對於日期變量,根據與 pct 的距離使用最小值、中值或最大值。

index

定性變量的水平將被固定。如果變量是字符(不是因子),則這將是排序的唯一值的索引。這適用於選擇器捕獲的所有定性變量。

grid

包含元素 pctl(邏輯)和 len(整數)的命名列表。如果 pctl = TRUE ,則 len 表示用於創建分析網格的百分位數。這將創建一個介於 0 和 1 之間的網格,並且配置文件由數據的百分位數確定。例如,如果 pctl = TRUElen = 3 ,則配置文件將包含最小值、中值和最大值。如果是 pctl = FALSE ,它定義應在最小值和最大值之間創建多少個網格點。對於定性變量,該參數將被忽略(因為它們所有可能的水平都已被分析)。對於日期變量,將始終使用pctl = FALSE,因為日期沒有分位數方法。

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。

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。

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。

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

此步驟是非典型的,因為在烘焙時,new_data 參數被忽略;生成的數據集基於固定和分析變量的信息。

整理

當您 tidy() 此步驟時,將返回包含列 terms(將受影響的列)和 type(已修複或已分析的列)的 tibble。

箱重

底層操作不允許使用案例權重。

例子

data(Sacramento, package = "modeldata")

# Setup a grid across beds but keep the other values fixed
recipe(~ city + price + beds, data = Sacramento) %>%
  step_profile(-beds, profile = vars(beds)) %>%
  prep(training = Sacramento) %>%
  bake(new_data = NULL)
#> # A tibble: 6 × 3
#>   city      price  beds
#>   <fct>     <int> <int>
#> 1 ANTELOPE 220000     1
#> 2 ANTELOPE 220000     2
#> 3 ANTELOPE 220000     3
#> 4 ANTELOPE 220000     4
#> 5 ANTELOPE 220000     5
#> 6 ANTELOPE 220000     8

##########

# An *additive* model; not for use when there are interactions or
# other functional relationships between predictors

lin_mod <- lm(mpg ~ poly(disp, 2) + cyl + hp, data = mtcars)

# Show the difference in the two grid creation methods

disp_pctl <- recipe(~ disp + cyl + hp, data = mtcars) %>%
  step_profile(-disp, profile = vars(disp)) %>%
  prep(training = mtcars)

disp_grid <- recipe(~ disp + cyl + hp, data = mtcars) %>%
  step_profile(
    -disp,
    profile = vars(disp),
    grid = list(pctl = FALSE, len = 100)
  ) %>%
  prep(training = mtcars)

grid_data <- bake(disp_grid, new_data = NULL)
grid_data <- grid_data %>%
  mutate(
    pred = predict(lin_mod, grid_data),
    method = "grid"
  )

pctl_data <- bake(disp_pctl, new_data = NULL)
pctl_data <- pctl_data %>%
  mutate(
    pred = predict(lin_mod, pctl_data),
    method = "percentile"
  )

plot_data <- bind_rows(grid_data, pctl_data)

library(ggplot2)

ggplot(plot_data, aes(x = disp, y = pred)) +
  geom_point(alpha = .5, cex = 1) +
  facet_wrap(~method)

源代碼:R/profile.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 a Profiling Version of a Data Set。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。