R recipes step_relu 應用(平滑)修正線性變換

step_relu() 創建配方步驟的規範，該步驟將變量的校正線性或 softplus 變換添加到數據集。

用法

step_relu(
  recipe,
  ...,
  role = "predictor",
  trained = FALSE,
  shift = 0,
  reverse = FALSE,
  smooth = FALSE,
  prefix = "right_relu_",
  columns = NULL,
  skip = FALSE,
  id = rand_id("relu")
)

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。
shift: 指示要應用於數據的轉換的數值。
reverse: 指示是否應使用左鉸鏈而不是右鉸鏈的邏輯。
smooth: 指示是否應使用 softplus 函數(修正線性變換的平滑近似)的邏輯。
prefix: 生成的列名稱的前綴，對於右鉸鏈轉換默認為 "right_relu_"，對於反向/左鉸鏈轉換默認為 "left_relu_"。
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。
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

修正線性變換計算如下

也稱為ReLu 或右鉸鏈函數。如果reverse為 true，則變換將反映在 y 軸上，如下所示：

設置smooth選項為 true 將根據以下公式計算 ReLu 的平滑近似值

reverse論證也可以應用於這種轉變。

連接火星

修正線性變換在多元自適應回歸樣條中用作基函數，以類似於基於樹的模型中采用的策略將分段線性函數擬合到數據。該變換是許多神經網絡中作為激活函數的流行選擇，在使用 ReLu 激活時，可以將其視為 MARS 的堆疊泛化。鉸鏈函數也出現在支持向量機的損失函數中，隻有當殘差在決策邊界的一定範圍內時，它才會對殘差進行懲罰。

箱重

底層操作不允許使用案例權重。

也可以看看

其他單獨的轉換步驟：step_BoxCox() , step_YeoJohnson() , step_bs() , step_harmonic() , step_hyperbolic() , step_inverse() , step_invlogit() , step_logit() , step_log() , step_mutate() , step_ns() , step_percentile() , step_poly() , step_sqrt()

例子

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
)

transformed_te <- rec %>%
  step_relu(carbon, shift = 40) %>%
  prep(biomass_tr) %>%
  bake(biomass_te)

transformed_te
#> # A tibble: 80 × 7
#>    carbon hydrogen oxygen nitrogen sulfur   HHV right_relu_carbon
#>     <dbl>    <dbl>  <dbl>    <dbl>  <dbl> <dbl>             <dbl>
#>  1   46.4     5.67   47.2     0.3    0.22  18.3              6.35
#>  2   43.2     5.5    48.1     2.85   0.34  17.6              3.25
#>  3   42.7     5.5    49.1     2.4    0.3   17.2              2.70
#>  4   46.4     6.1    37.3     1.8    0.5   18.9              6.4 
#>  5   48.8     6.32   42.8     0.2    0     20.5              8.76
#>  6   44.3     5.5    41.7     0.7    0.2   18.5              4.30
#>  7   38.9     5.23   54.1     1.19   0.51  15.1              0   
#>  8   42.1     4.66   33.8     0.95   0.2   16.2              2.10
#>  9   29.2     4.4    31.1     0.14   4.9   11.1              0   
#> 10   27.8     3.77   23.7     4.63   1.05  10.8              0   
#> # ℹ 70 more rows

源代碼：R/relu.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 Apply (Smoothed) Rectified Linear Transformation。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。