R recipes step_sample 使用 dplyr 的示例行

step_sample() 創建配方步驟的規範，該步驟將使用 dplyr::sample_n() 或 dplyr::sample_frac() 對行進行采樣。

用法

step_sample(
  recipe,
  ...,
  role = NA,
  trained = FALSE,
  size = NULL,
  replace = FALSE,
  skip = TRUE,
  id = rand_id("sample")
)

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。
...: 參數被忽略；包括在內是為了與其他步驟規範函數保持一致。
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。
size: 整數或分數。如果該值在 (0, 1) 範圍內，則 dplyr::sample_frac() 將應用於數據。如果使用 1 或更大的整數值，則應用 dplyr::sample_n()。 NULL 的默認值使用 dplyr::sample_n() 和訓練集的大小(或者較小的 new_data )。
replace: 有或沒有更換的樣品？
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 = FALSE 時應小心。
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。

行過濾

此步驟可以完全刪除觀察結果(數據行)，當稍後通過 bake() 將步驟應用於新數據時，這可能會產生意想不到的和/或有問題的後果。在任何給定的用例中，考慮 skip = TRUE 還是 skip = FALSE 更合適。在影響預測數據行的大多數情況下，可能根本不應該應用此步驟；相反，在開始預處理之前執行類似的操作 recipe() 。

整理

當您 tidy() 此步驟時，將返回包含 size 、 replace 和 id 列的 tibble。

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。

也可以看看

其他行操作步驟：step_arrange()、step_filter()、step_impute_roll()、step_lag()、step_naomit()、step_shuffle()、step_slice()

其他 dplyr 步驟：step_arrange() , step_filter() , step_mutate_at() , step_mutate() , step_rename_at() , step_rename() , step_select() , step_slice()

例子


# Uses `sample_n`
recipe(~., data = mtcars) %>%
  step_sample(size = 1) %>%
  prep(training = mtcars) %>%
  bake(new_data = NULL) %>%
  nrow()
#> [1] 1

# Uses `sample_frac`
recipe(~., data = mtcars) %>%
  step_sample(size = 0.9999) %>%
  prep(training = mtcars) %>%
  bake(new_data = NULL) %>%
  nrow()
#> [1] 32

# Uses `sample_n` and returns _at maximum_ 20 samples.
smaller_cars <-
  recipe(~., data = mtcars) %>%
  step_sample() %>%
  prep(training = mtcars %>% slice(1:20))

bake(smaller_cars, new_data = NULL) %>% nrow()
#> [1] 20
bake(smaller_cars, new_data = mtcars %>% slice(21:32)) %>% nrow()
#> [1] 12

源代碼：R/sample.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 Sample rows using dplyr。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。